20180617-华泰证券-人工智能选股周报_最近一个月随机森林表现较好_17页_1mb

华泰人工智能选股策略周报总结

核心内容概述

本报告为华泰证券金工团队发布的人工智能选股周报，主要分析了多种机器学习模型在不同选股策略下的表现，包括全A选股（非行业中性）、全A选股（沪深300行业中性）、全A选股（中证500行业中性）、沪深300指数内选股和中证500指数内选股。报告涵盖了多个策略的绝对收益与超额收益，并总结了不同时间周期内的表现。

主要观点

• 人工智能选股策略在多因子选股中展现了显著的非线性特征挖掘能力，旨在提升超额收益。
• 报告中分析了Stacking、SVM、朴素贝叶斯、随机森林、XGBoost、逻辑回归和神经网络等7种模型在不同策略下的表现。
• 神经网络因需要大量因子数据，未用于沪深300和中证500指数内选股。
• 随机森林在最近一年内表现最佳，超额收益高达24.19%。
• Stacking在不同策略中多次获得最高信息比率，在全A选股（非行业中性）和全A选股（中证500行业中性）中分别获得3.66和3.66的信息比率。
• 报告提供了多种策略的回测条件，包括股票池处理、特征提取、交易费用等，确保了策略的统一性与可比性。

关键信息

各策略表现

全A选股（非行业中性）

• 本周：朴素贝叶斯表现最好，超额收益为0.95%。
• 最近一月：朴素贝叶斯超额收益为2.81%。
• 最近三月：SVM超额收益为9.46%。
• 最近一年：随机森林超额收益为24.19%。

全A选股（沪深300行业中性）

• 本周：朴素贝叶斯表现最好，超额收益为**-1.15%**。
• 最近一月：朴素贝叶斯超额收益为**-2.05%**。
• 最近三月：XGBoost超额收益为**-0.06%**。
• 最近一年：朴素贝叶斯超额收益为**-3.86%**。

全A选股（中证500行业中性）

• 本周：SVM表现最好，超额收益为**-0.01%**。
• 最近一月：XGBoost超额收益为**-0.42%**。
• 最近三月：XGBoost超额收益为5.23%。
• 最近一年：随机森林超额收益为11.12%。

沪深300指数内选股

• 本周：SVM表现最好，超额收益为**-0.33%**。
• 最近三月：随机森林超额收益为0.84%。
• 最近一年：逻辑回归超额收益为3.17%。

中证500指数内选股

• 本周：随机森林表现最好，超额收益为0.27%。
• 最近三月：XGBoost超额收益为5.23%。
• 最近一年：SVM超额收益为4.78%。

回测条件

1. 股票池处理：剔除ST、停牌、上市3个月以内的股票。
2. 特征提取：使用70个因子，包括估值、成长、动量翻转、波动率、换手率、情绪、技术、市值等。
3. 特征预处理：
   • 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
4. 交易费用：单边千分之二。

机器学习模型与选股策略

1. 全A选股（非行业中性）：月频调仓，选择50只预测最好的股票等权配置。
2. 全A选股（沪深300行业中性）：月频调仓，行业权重与沪深300保持一致，每个行业选4只股票等权配置。
3. 全A选股（中证500行业中性）：月频调仓，行业权重与中证500保持一致，每个行业选4只股票等权配置。
4. 沪深300指数内选股：月频调仓，行业权重与沪深300保持一致，每个行业选2只股票等权配置。
5. 中证500指数内选股：月频调仓，行业权重与中证500保持一致，每个行业选4只股票等权配置。

选股模型涉及的因子

• 估值：EP、EPcut、BP、SP、NCFP、OCFP、DP、G/PE
• 成长：Sales_G_q、Profit_G_q、OCF_G_q、ROE_G_q
• 财务质量：ROE_q、ROE_ttm、ROA_q、ROA_ttm、grossprofitmargin_q、grossprofitmargin_ttm、profitmargin_q、profitmargin_ttm、assetturnover_q、assetturnover_ttm、operationcashflowratio_q、operationcashflow ratio_ttm
• 杠杆：financial_leverage、debt equity ratio、cash ratio、current ratio
• 市值：ln_capital
• 动量反转：HAlpha、return_Nm、wgt_return_Nm、exp_wgt_return_Nm
• 波动率：std_FF3factor_Nm、std_Nm
• 股价：ln_price
• beta：beta
• 换手率：turn_Nm、bias_turn_Nm
• 情绪：rating_average、rating_change、rating_targetprice
• 股东：holder_avgpctchange
• 技术：MACD、DEA、DIF、RSI、PSY、BIAS

风险提示

• 通过人工智能模型构建选股策略是历史经验的总结，存在失效的可能。
• 报告内容仅供参考，不构成投资建议，投资者应自行评估风险。

免责声明

• 本报告仅供华泰证券客户使用，不构成买卖出价或征价。
• 报告内容基于公开信息，不保证其准确性与完整性。
• 报告观点、结论和建议可能随时间变化，投资者应自行关注更新。
• 报告所含信息可能被修改，不承担相关法律责任。

附注

• 本报告中提及的策略在Wind组合管理（PMS）平台上建立了模拟组合，每月底更新。
• 组合名称关键字为：
  • “华泰AI选股(全A非行业中性)”
  • “华泰AI选股（全A沪深300行业中性）”
  • “华泰AI选股（全A中证500行业中性）”
  • “华泰AI选股（沪深300指数内选股）”
  • “华泰AI选股（中证500指数内选股）”
• 本报告独家收集，每天更新，免费分享，来源于www.baogaoba.xyz。

总结

华泰人工智能选股策略在多个时间周期内表现优异，其中随机森林在最近一年内超额收益最高，Stacking在不同策略中信息比率表现突出。报告提供了详细的模型参数、回测条件及因子池信息，强调了人工智能在多因子选股中的优势与风险。投资者应谨慎使用报告内容，结合自身情况做出决策。