熊市中的摇钱“树”

　　导读：通常情况下，我们使用线性去回归因子数据，用来解释因子对于收益的贡献程度。但事实情况下，此类方法过于简单，且市场收益并不一定与各类因子线性相关，难以达到预期效果。众所周知，树是机器学习中的一类算法，决策树算法则是其中的基础，而随机森林则是利用多棵决策树对样本进行训练并预测的一种算法。它们不同于支持向量机，KNN等需要大量数据前处理，且能处理复杂问题。

　　一、决策树概念

　　分类决策树的核心思想就是在一个数据集中找到一个最优特征，然后从这个特征的选值中找一个最优候选值，根据这个最优候选值将数据集分为两个子数据集，然后递归上述操作，直到满足指定条件为止。

决策树示例图　　

　　二、因子选取

　　我们从趋势类，反趋势类，量价指标，压力支撑型，成交量，超买超卖，摆动型，强弱型，日期类10个维度共选取了39个技术因子作为特征值，并与横截面下的未来收益做合并，以方便数据处理。

趋势类	bbi	多空指数
	ma	5日移动平均
	expma	5日指数移动平均数
	priceosc	价格震荡指数
	ddi	方向标准差偏离指数
反趋势	bias	乖离率
	cci	顺势指标
	dbcd	异同离差乖离率
	dpo	区间震荡线
	kdj_k	随机指标K值
量价指标	mfi	资金流向指标
	obv	能量潮
	pvt	量价趋势指标
	wvad	威廉变异离散量
压力支撑型	bbiboll	BBI多空布林线
	boll	布林线MID
	cdp	逆势操作
	env	ENV指标
	mike	麦克指标

成交量	vr	量比
	vma	量简单移动平均
	vmacd	量指数平滑异同平均
	vosc	成交量震荡
	vstd	成交量标准差
	tapi	加权指数成交值
超买超卖	adtm	动态买卖气指标
摆动类	mi	动量指标
	micd	异同离差动力指数
	rc	变化率指数
	rccd	异同离差变化率指数
	srmi	SRMIMI修正指标
强弱型	dptb	大盘同步指标
	jdqs	阶段强势指标
	jdrs	阶段弱势指标
	zdzb	筑底指标
	atr	真实波幅
	mass	梅丝线
日期类	up_n	连涨天数
日期类	down_n	连跌天数

　　技术因子列表

　　三、决策树策略

　　我们选取的时间为2017-01-01到2019-01-21，这段时间基本处于熊市阶段，我们使用train_test_split将样本数据划分为二，我们从中发现整体数据的正向样本（即收益数据大于某特定值）为0.02347312703583062，而在测试集中的正向样本为0.023768322475570033，两者数据相似，与此同时，我们可以开始进行训练数据的步骤。

代码展示（文末获取完整代码）　　

　　我们可以看到在criterion中我们选取了gini，这是基尼不纯度，可以理解为对数据集进行随机分类，分类错误出现的概率的期望。其中数据纯度越高，基尼不纯度越低。

公式展示　　

　　其次，在max_features参数，我们选取特征数量的sqrt作为节点分裂时使用的特征数量。在max_depth参数，我们选取120作为基础模型的最大深度，如果不选取，模型会进行到最深部分，容易产生过拟合。在class_weight部分，即类别权重，由于正向样本无论在整体数据还是测试数据都表现特别稀少，如果每个数据等权，则不合适，故我们使用'balanced'，其表示为类别的权重与样本所占比例成反比。

　　接下来，我们画出特征值在训练时各个因子的重要程度对比图，我们可以看出srmi和mfi指标重要性极大。