20181028-华泰证券-人工智能选股周报_今年中证800随机森林超额9.02__13页_1mb

金工研究/量化投资周报总结

核心内容

本周的金工研究/量化投资周报主要分析了华泰人工智能选股模型在不同市场环境下的表现，涵盖多个模型在不同指数内选股的超额收益和RankIC均值等关键指标。

主要观点

• 市场表现：本周沪深300涨跌幅为1.23%，中证500为2.57%，中证800为1.54%，小盘指数表现优于大盘指数。
• 模型表现：
  • 本周表现：朴素贝叶斯在所有选股情况下都获得正超额收益，表现最稳定；随机森林在中证800内选股表现最稳定，超额收益未出现明显回撤。
  • 最近一个月表现：Stacking在全A选股中表现最佳；随机森林在中证800内选股表现最佳。
  • 2018年以来表现：随机森林在中证800内选股超额收益达到9.02%，表现最稳定；朴素贝叶斯在全A选股和中证500成分内选股中表现最佳。
• RankIC均值：
  • 2018年以来：朴素贝叶斯在全A选股和中证500成分内选股中RankIC均值最高，分别为0.110和0.100。
  • 2011年以来：朴素贝叶斯在全A选股中RankIC均值最高，为0.115；随机森林在沪深300成分内选股中RankIC均值最高，为0.090。

关键信息

模型表现

全A选股（沪深300行业市值中性）

• 本周：朴素贝叶斯表现最好，超额收益为0.34%。
• 最近一个月：Stacking表现最好，超额收益为3.18%。
• 2018年以来：随机森林表现最好，超额收益为5.59%。

全A选股（中证500行业市值中性）

• 本周：朴素贝叶斯表现最好，超额收益为0.48%。
• 最近一个月：Stacking表现最好，超额收益为3.18%。
• 2018年以来：Stacking表现最好，超额收益为9.34%。

沪深300指数内选股

• 本周：神经网络表现最好，超额收益为0.48%。
• 最近一个月：朴素贝叶斯表现最好，超额收益为1.63%。
• 2018年以来：随机森林表现最好，超额收益为4.72%。

中证500指数内选股

• 本周：朴素贝叶斯表现最好，超额收益为0.54%。
• 最近一个月：朴素贝叶斯表现最好，超额收益为2.06%。
• 2018年以来：朴素贝叶斯表现最好，超额收益为6.18%。

中证800指数内选股

• 本周：随机森林表现最好，超额收益为0.38%。
• 最近一个月：随机森林表现最好，超额收益为1.71%。
• 2018年以来：随机森林表现最好，超额收益为9.02%。

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。
• 特征预处理：
  • 中位数去极值
  • 缺失值填充为行业平均
  • 行业市值中性化
  • 标准化
• 交易费用：单边千分之二。

模型分类

• Stacking：目前只应用于全A选股，后续将扩展至指数内选股。
• SVM：支持向量机模型
• 朴素贝叶斯：基于概率的分类模型
• 随机森林：集成学习模型
• XGBoost：梯度提升决策树
• 逻辑回归：线性模型
• 神经网络：全连接神经网络

模型流程

1. 数据获取：股票池为沪深300成分股、中证500成分股和全A股。
2. 特征和标签提取：使用70个因子作为特征，计算下一整个自然月的个股超额收益作为标签。
3. 特征预处理：包括中位数去极值、缺失值填充、行业市值中性化和标准化。
4. 训练集和交叉验证集的合成：按90%和10%的比例划分训练集和交叉验证集。
5. 样本内训练：使用训练集进行模型训练。
6. 交叉验证调参：选择交叉验证集AUC（或平均AUC）最高的参数作为最优参数。
7. 样本外测试：使用最优参数对样本外数据进行预测，构建组合选股。

因子描述

风险提示

• 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。
• 人工智能模型可解释程度较低，使用须谨慎。

免责声明

• 本报告仅供华泰证券股份有限公司客户使用。
• 本报告基于本公司认为可靠的、已公开的信息编制，但本公司对该等信息的准确性及完整性不作任何保证。
• 本报告所载的意见、评估及预测仅反映报告发布当日的观点和判断。
• 本报告所指的证券或投资标的价格、价值及投资收入可能会波动。
• 本报告版权仅为本公司所有，未经本公司书面许可，任何机构或个人不得以翻版、复制、发表、引用或再次分发他人等任何形式侵犯本公司版权。