20180303-华泰证券-人工智能选股周报_本周SVM表现最好_17页_1mb

华泰人工智能选股策略周报总结（2018年03月03日）

核心内容

本报告为华泰证券金工团队发布的人工智能选股周报，内容涵盖多因子选股模型在不同策略下的表现分析，包括SVM、朴素贝叶斯、随机森林、XGBoost、逻辑回归和神经网络。报告基于2018年02月26日至2018年03月02日期间的数据，分析了全A选股、沪深300行业中性、中证500行业中性、沪深300指数内选股和中证500指数内选股等五种策略的表现，并提供了相关模型的使用流程和因子池信息。

主要观点

1. 本周表现

• 全A选股（非行业中性）：SVM表现最佳，绝对收益为5.00%，超额收益为2.31%，优于其他策略。
• 全A选股（沪深300行业中性）：SVM表现最佳，绝对收益为2.71%，超额收益为4.05%。
• 全A选股（中证500行业中性）：SVM表现最佳，绝对收益为4.13%，超额收益为1.44%。
• 沪深300指数内选股：逻辑回归表现最佳，绝对收益为**-0.27%，超额收益为1.07%**。
• 中证500指数内选股：XGBoost表现最佳，绝对收益为3.35%，超额收益为0.66%。

2. 历史表现

• 最近三月：随机森林在全A选股（非行业中性）和全A选股（中证500行业中性）中表现最佳，超额收益分别为5.30%和5.30%。
• 最近一年：朴素贝叶斯在全A选股（非行业中性）中表现最佳，超额收益为18.44%；随机森林在全A选股（中证500行业中性）中表现最佳，超额收益为3.10%。
• 信息比率最高：XGBoost在全A选股（非行业中性）中信息比率为2.79，逻辑回归在沪深300指数内选股中信息比率为1.11，XGBoost在中证500指数内选股中信息比率为3.03。

关键信息

1. 策略构建方式

• 全A选股（非行业中性）：在全部A股中选股，组合选择50只模型预测表现最好的股票进行等权配置。
• 全A选股（沪深300/中证500行业中性）：在全部A股中选股，行业权重配置与沪深300或中证500保持一致，每个行业内选择4只模型预测表现最好的股票进行等权配置。
• 指数内选股：在沪深300或中证500成分股中选股，行业权重配置与指数保持一致，每个行业内选择2或4只模型预测表现最好的股票进行等权配置。

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（包括估值、成长、动量翻转、波动率、换手率、情绪、技术、市值等）。
• 数据处理：对原始因子进行中位数去极值、缺失值填充（行业平均）、行业市值中性化和标准化。
• 交易费用：单边交易费用为千分之二。

3. 模型与因子池

• 模型：SVM、朴素贝叶斯、随机森林、XGBoost、逻辑回归、神经网络。
• 因子池：
  • 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、operationcashflowratio_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。
  • 技术指标：MACD、DEA、DIF、RSI、PSY、BIAS。

4. 风险提示

• 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。
• 报告内容仅供参考，不构成投资建议，投资者需自行判断。

策略总结

总结

本报告展示了华泰人工智能选股策略在不同市场环境下的表现。SVM在全A选股（非行业中性）中表现突出，而XGBoost在中证500指数内选股中表现最佳。逻辑回归在沪深300指数内选股中获得最高信息比率。整体来看，人工智能模型在多因子选股中展现了良好的超额收益能力，但需注意模型可能因市场变化而失效，投资者应结合自身情况谨慎决策。