华泰人工智能系列之十七：人工智能选股之数据标注方法实证-20190313-华泰证券-26页_2mb

报告摘要

本文探讨了在人工智能选股中，不同数据标注方法对模型表现的影响，并通过实证分析对比了多种标注方法的回测效果。重点在于验证不同标注方法的有效性，并通过模型集成方法综合其优势。

数据标注方法：
- 分类：股票收益排序，取前三分之一为“涨”，后三分之一为“跌”。
- 回归：使用标准化后的股票超额收益率作为标签。
- 夏普比率：使用标准化后的夏普比率作为标签。
- 信息比率：使用标准化后的信息比率作为标签。
- Calmar比率：使用标准化后的Calmar比率作为标签。
模型对比：
- XGBoost分类模型（XGBC）与回归模型（XGBR）相比，XGBR在大多数指标上表现更优。
- 使用夏普比率、信息比率、Calmar比率作为标签的模型（XGBR-Sharpe、XGBR-IR、XGBR-Calmar）分别在对应的指标上表现优于XGBR。
模型集成：
- 将XGBR、XGBR-IR、XGBR-Calmar进行等权集成，得到XGBR-Combine模型。
- XGBR-Combine在年化超额收益率、信息比率、Calmar比率等关键指标上表现最佳，且稳定性强。
回测表现：
- 在多个回测指标中，XGBR-Combine表现全面，优于单一模型。
- XGBR在信息比率上具有稳定优势，XGBR-Sharpe在夏普比率上表现更优，XGBR-IR在年化超额收益率上表现更优，XGBR-Calmar在Calmar比率上表现更优。

测试方法：
- 使用随机数种子+多次测试方法验证模型的稳定性。
- 测试周期为2011年1月31日至2019年2月28日。
- 每个测试中，将股票池分为五层，等权配置，计算多空组合绩效。
数据处理：
- 数据预处理包括中位数去极值、缺失值填充、行业市值中性化、标准化。
- 使用82个因子进行测试，涵盖估值、成长、财务质量、杠杆、动量反转、波动率、股价、Beta、换手率等。
模型表现：
- XGBR：在多数指标上优于XGBC，尤其在因子收益率和夏普比率上。
- XGBR-Sharpe：在夏普比率上表现更优，但年化波动率无明显优势。
- XGBR-IR：在信息比率上表现更优，年化超额收益率更高，但跟踪误差略高。
- XGBR-Calmar：在Calmar比率上表现更优，年化超额收益率更高，但最大回撤无明显优势。
- XGBR-Combine：综合了三种模型的优点，在多个指标上表现最优。

指标	XGBC	XGBR	XGBR-Sharpe	XGBR-IR	XGBR-Calmar	XGBR-Combine
年化超额收益率	14.13%	16.32%	16.62%	16.94%	17.22%	18.22%
信息比率	2.08	2.17	2.41	2.46	2.43	3.39
Calmar比率	2.10	2.02	3.87	3.24	2.18	3.87
最大回撤	8.67%	7.73%	5.06%	5.58%	5.19%	3.83%