股票收益预测：如何设计跨行业预测的机器学习模型？

作者：量化投资与机器学习

题图：量化投资与机器学习 微信公众号

本文研究了在股票收益预测中，是否需要使用行业特定的机器学习模型。作者比较了三类模型：一体化的“通才”（Generalist）模型、行业特定的“专家”（Specialist）模型，以及结合两者优势的“混合”（Hybrid）模型。研究发现，混合模型在样本外预测能力上明显优于专家模型，且在多个衡量标准上略优于通才模型，特别是在夏普比率和风险控制方面表现突出。通过美国与国际股票市场的实证分析，文章证明——将行业意识嵌入统一模型中，可以有效提高预测精度与投资组合的风险调整收益。核心观点包括：

• 不同行业之间存在显著的预测异质性；
• 单一通才模型容易造成行业倾斜，导致风险加大；
• 混合模型在兼顾行业结构和样本量的同时，提升了学习效率和估计精度。

是否需要对行业单独训练特定的模型？

近年来，机器学习在资产定价中的应用迅速增长，大多数研究构建的模型都基于“一个横截面预测一切”的前提，即通才模型。然而，既有文献表明行业结构影响定价机制——企业间因所处行业不同而面对不同的市场摩擦、宏观冲击和监管环境。传统机器学习模型大多采用“一刀切”的通才策略，将所有股票纳入统一框架进行收益预测。这种做法忽视了行业间潜在的异质性：

• 行业内企业面临相似宏观冲击、监管环境与供需结构；
• 投资者与分析师在行业层面具备更强信息处理优势；
• 实证研究显示风险溢价存在行业差异。

因此，有必要探讨不同模型设计对预测准确性和风险管理的影响。

模型设计

作者基于153个来自Jensen et al. (2023)的特征变量，构建并比较以下三种模型：

• Generalist模型：通用训练，忽视行业特征；
• Specialist模型：每个行业独立建模；
• Hybrid模型：使用所有股票样本，但特征与目标值在行业层面标准化，实现隐性行业建模。
• 模型分别采用四种算法：Elastic Net（线性）、GBRT（树模型）、NN3（三层神经网络）、ENS（集成平均）。
• 数据来源与处理：涵盖1957–2023年美股市场，排除微盘股；使用Fama-French行业分类；
• 滚动训练与测试：使用18年训练集+12年验证集+1年测试集的滚动窗口设计；
• 目标变量：分别为全市场中位数、行业中位数的超额收益；
• 评价指标：
• OOS R²（平均交叉样本R²）
• 信息系数（IC，预测与真实排名的Spearman相关系数）
• 投资组合的经济指标：夏普比率、最大回撤、组合分权测试（spanning tests）

以下是论文中三种模型（通才 Generalist、专家 Specialist、混合 Hybrid）在关键维度上的异同的对比表：

实证结果

Generalist 模型存在显著行业倾斜（尤其是科技 Tech 行业），显示出其“无意识”地集中过度投资于某些行业。相比之下，Hybrid 和 Specialist 模型通过行业中性化排序或独立建模，显著降低了行业暴露偏移风险。

专家模型的预测效果（Sharpe）与行业样本数量正相关。样本多的行业，如金融（Finance）和科技（Tech），专家模型效果更好；而样本少的行业预测效果显著下降。这解释了为什么 Specialist 模型总体上表现不如 Hybrid 模型。

Hybrid 模型在半数行业中表现最好，其次是 Generalist，而 Specialist 表现最弱。这表明即使在行业内部预测收益时，混合模型也比完全行业分组训练更稳健，具备较强的一致性。

该图展示了特征的重要性在行业间的稳定性与差异性。例如，“短期反转”（ret_1_0）、“动量”（ret_12_1）、“skewness”等变量是多个行业共享的重要预测因子，而某些特征只在特定行业有效。说明收益预测中既存在共通因子，也存在行业特有因子。

Hybrid 模型构建的投资组合在整个样本期（1987–2023）中表现出最稳定、持续增长的收益曲线。通过对每月收益进行波动率调整，图中清晰显示出 Hybrid 策略在控制风险基础上实现了更高的收益积累。这说明该模型在实证中不仅预测能力强，而且具备显著的经济效用。

以下是评价指标总结：