如何简单的利用 Logistic 训练的因子模型使得年化超额 alpha 超过 20%，最大年化收益率高达 34.2%！

这个模型的思路就是利用历史月度数据建立分类器，选取了大概 20 个因子（继续加也没问题），然后以月度收益大于 25%的作为强势股+1 小于-10%的为弱势股-1 （这里用绝对强度而不是相对强度） 用得到的数据用 Logistic 模型训练，每过一期就把每个月的数据直接加到训练集里面，当然用滚动窗口训练也没问题（懒得做） 我也尝试过用 svm 分类，但是实际上效果并不好，据我做机器学习的同学表示， svm 在特征不够好的情况下 表现确实是还不如 logistic 模型的，这种二分类而因子模型本身不太可能做到样本外 80%以上的 AUC ，那太夸张了，所以似乎是 logistic 会好点，决策树我没试过 或者用 adaboost 或者随机森林什么的。

当然模型还是有一点我想了很多办法也没法改进的问题：
1.首先，模型在市场风格急剧变化的情况下表现较差 在这里 牛熊变化的关口表现不好 波动性大 15 年股灾的的时候回测有差不多 45% 我本来想加个择时控制仓位的因子进去，但是怎么也选不好。

2.对 1 里面的问题我还有一个思路，如果用随机梯度递减的算法是不是能较快反应出市场变化呢？不过这样的话训练集似乎太少了。

3.可能会有点过拟合，但是并不会很明显，我改变参数回测了好几次，夏普比率都在 1 左右，最低也有 0.8 4.机器学习方法的通病就是逻辑性的不足，这里虽然是线性模型，也有一定这样的问题。

总之这个模型还算稳定，基本上每年都可以获得超额收益，大家可以一起讨论改进。


完整高清源代码请移步这里： https://uqer.io/community/share/5763ad63228e5b8199a55ebc


大家有什么看法都可以看过之后在下方留言讨论哟～乐意与大家尽情讨论！比心：）