大家好，今天为大家带来一个利用机器学习方法将财务报表指标简单地应用于收益预测中的策略。众所周知，在应用机器学习方法之前，我们往往是将财务报表中各种因子的构建应用于打分对个股进行排序排序，之后构建long-short portfolio或者单一的买入策略实现收益，其中一些策略还利用回归的方法确定因子打分的系数进行细化。
而在本策略中，机器学习的应用则可以避免设定打分这一思路，通过“不可见”的过程描摹财务因子对股票未来收益的影响。这个策略的训练集是一年前多个财务指标和趋势指标构成的向量(x)和一年前60日收益是否高于门槛值(y)——即-252~-192日的收益。这样安排是为了避免行业周期季节性的影响。
在调仓上，每年2、5、8、11月的第一个交易日调仓，在其余时间内，如果总持仓价值低于当前季度曾达到最高值的0.9倍，则空仓止损。
需要说明的一点是，出于简便起见，本策略做了很多简化的处理，比如没有对指标进行分级以减轻过拟合的影响，也没有考虑诸如行业基本面、大盘等诸多因素。具有更好效果的模型和算法一定是存在的，欢迎感兴趣的朋友们继续深入探讨。此外，在构建这一策略的过程中我本想引入股指期货进行对冲，但是实际效果并不好，因此我在代码中保留了这一模块但没有应用，仅供参考。
