20180102-华泰证券-人工智能选股周报_上周市场震荡_多数策略跑赢基准_15页_1mb

报告摘要

华泰人工智能选股策略周报总结（2018年01月02日）

核心内容概述

本报告为华泰金工人工智能选股策略的周报，主要分析了多个机器学习模型在不同市场指数（沪深300、中证500及全A股）中的表现。报告涵盖了多个选股策略的表现、模型性能评估指标以及策略构建流程等内容。

主要观点

1. 上周市场表现

上周市场震荡，多数人工智能选股策略跑赢基准。
在沪深300行业中性策略中，6个组合跑赢基准，XGBoost表现最佳，超额收益为1.92%。
在中证500行业中性策略中，4个组合跑赢基准，XGBoost同样表现最佳，超额收益为1.24%。
在非行业中性策略中，3个组合跑赢基准，XGBoost超额收益为1.44%。
在沪深300指数内选股策略中，4个组合跑赢基准，朴素贝叶斯表现最佳，超额收益为1.51%。
在中证500指数内选股策略中，5个组合跑赢基准，朴素贝叶斯表现最佳，超额收益为0.35%。

2. 策略表现

沪深300行业中性策略：
- XGBoost在最近一月、三月和一年中均表现优异，尤其是最近一年的超额收益达到-8.30%（绝对收益为13.93%）。
- 朴素贝叶斯在最近一年表现最佳，信息比率1.58。
中证500行业中性策略：
- XGBoost在最近一月和三月中表现突出，信息比率3.02。
- 朴素贝叶斯在最近一年表现良好，超额收益为-0.03%（绝对收益为16.78%）。
非行业中性策略：
- 朴素贝叶斯在最近一年表现最佳，超额收益为16.80%（绝对收益为16.78%）。
- XGBoost在最近一季度信息比率2.80。
沪深300指数内选股策略：
- 逻辑回归在最近一年表现最佳，信息比率1.06。
- 朴素贝叶斯在最近三月表现最佳，超额收益为0.25%。
中证500指数内选股策略：
- 逻辑回归在最近一年表现最佳，信息比率1.71。
- 随机森林在最近三月表现最佳，超额收益为1.47%。

关键信息

1. 选股策略分类

全A选股（沪深300行业中性）：在全部A股中选股，行业权重与沪深300一致，每个行业选择4只预测最好的股票等权配置。
全A选股（中证500行业中性）：在全部A股中选股，行业权重与中证500一致，每个行业选择4只预测最好的股票等权配置。
全A选股（非行业中性）：在全部A股中选股，不考虑行业权重，选择50只预测最好的股票等权配置。
沪深300指数内选股：仅在沪深300成分股中选股，每个行业选择2只预测最好的股票等权配置。
中证500指数内选股：仅在中证500成分股中选股，每个行业选择4只预测最好的股票等权配置。

2. 回测条件

股票池处理：剔除ST、停牌、上市3个月以内的股票。
特征提取：使用70个因子，涵盖估值、成长、财务质量、杠杆、市值、动量翻转、波动率、换手率、情绪、技术等。
数据预处理：
- 中位数去极值
- 缺失值填充（行业平均）
- 行业市值中性化
- 标准化处理
交易费用：千分之二。

3. 模型运用流程

数据获取：从沪深300、中证500及全A股中提取数据，剔除不合规股票。
特征和标签提取：计算70个因子暴露度作为特征，计算下月个股超额收益作为标签。
特征预处理：中位数去极值、缺失值填充、行业市值中性化、标准化。
训练集与交叉验证集划分：按90%和10%的比例划分。
样本内训练：使用训练集训练模型。
交叉验证调参：选择交叉验证集AUC或平均AUC最高的参数。
样本外测试：使用最优参数对样本外数据进行预测，构建组合。

4. 因子池

涵盖估值、成长、财务质量、杠杆、市值、动量反转、波动率、换手率、情绪、技术等。
具体因子包括EP、BP、SP、ROE、G/PE、HAlpha、MACD、RSI等。

5. 风险提示

通过人工智能模型构建的选股策略是基于历史经验，存在失效的可能。

总结

本报告全面分析了华泰人工智能选股策略在不同市场指数中的表现，展示了各模型在不同时间段内的收益情况、超额收益以及绩效指标。XGBoost在多数策略中表现突出，尤其在短期表现上优于其他模型，但某些长期表现中，朴素贝叶斯和逻辑回归等模型也表现出色。报告强调了模型在不同市场环境下的适应性，并提供了详细的因子池和模型构建流程，以供投资者参考。

展开完整摘要