“该研究使用美国、欧洲、日本及亚洲地区的Sentix 6个月经济预期指数，数据来自Bloomberg和Factset。指数分为机构和私人投资者情绪，预测未来一个月股票回报率。使用相对情绪因子和多种机器学习模型（如线性回归、SVM、随机森林、GBM），构建11种因子组合，进行990次回测。预测结果映射为-1或1，平均化后用于资产权重分配。”
资产类别: ETF、基金、期货 | 区域: 全球 | 频率: 每月 | 市场: 股票 | 关键词: 相对情绪、机器学习、战术资产配置
策略概述
使用的数据集包含美国、欧洲、日本和除日本外的亚洲地区的Sentix 6个月经济预期指数，该数据可以通过Bloomberg和Factset平台获取。指数是Sentix每月通过在线调查生成的，调查结果会被映射到指数值，并于每月中旬公开发布。除了各地区的整体情绪指数外，Sentix还将调查结果分解为机构投资者情绪和私人（即个人）投资者情绪，本文使用的正是这些组成指数。
相对情绪因子和机器学习模型用于预测这些地区的未来一个月股票回报率。作者从Kenneth R. French的数据库获取了每日美元收益，并使用VTI、IEUR、EWJ和EPP四个ETF分别代表美国、欧洲、日本和亚洲（除日本外）。作者计算了相对情绪因子，构建出11种不同的因子组合，并使用组合交叉验证（CCV）方法进行训练和测试。测试了包括线性回归、SVM、随机森林、GBM在内的多种机器学习算法，总共进行了990次回测。
模型的测试集预测结果被映射为-1或1，表示负或正的一个月前瞻收益预测。这些预测结果被平均化后用于分配资产权重。
策略合理性
该策略的功能性基于相对情绪的前期研究。研究表明，相对情绪因子对股票市场在中期时间段内具有显著的预测能力。此研究通过Sentix经济情绪指数验证了相对情绪因子的有效性，并在美国、日本等地区表现出了强大的预测能力。
论文来源
Relative Sentiment and Machine Learning for Tactical Asset Allocation [点击浏览原文]
- Raymond Micaletti, Relative Sentiment Technologies, LLC
<摘要>
我们研究了Sentix情绪指数在战术资产配置中的应用。特别是，我们通过比较美国、欧洲、日本和除日本外的亚洲地区机构投资者和个人投资者对未来6个月经济预期的差异，构建了各地区的月度相对情绪因子。然后将这些因子（以及一个月后的股票回报率）作为输入，应用到广泛的机器学习算法中。通过组合交叉验证并调整数据窥探问题，我们发现相对情绪因子在这四个地区具有稳健且显著的预测能力，其信息含量超过了单独的情绪和时间序列动量。同时，这些因子还展示出识别未来表现最好的和最差的全球股票市场的能力。结果与此前基于不同数据集的相对情绪研究发现相一致。
回测表现
| 年化收益率 | 15.9% |
| 波动率 | 11.04% |
| Beta | N/A |
| 夏普比率 | 1.44 |
| 索提诺比率 | N/A |
| 最大回撤 | -18.9% |
| 胜率 | N/A |
