20180204-华泰证券-人工智能选股周报_本周沪深300指数内选股表现优秀_17页_1mb

报告摘要

华泰人工智能选股策略周报总结

核心内容概述

本报告是华泰证券金工团队发布的2018年2月4日人工智能选股周报，主要内容包括对多种机器学习模型在不同指数内选股策略的绩效分析，以及对这些模型的使用流程和因子池的说明。

主要观点与关键信息

1. 人工智能选股策略表现

全A选股（非行业中性）
- 本周（2018/01/29至2018/02/02）：朴素贝叶斯表现最佳，绝对收益为-2.18%，超额收益为3.76%。
- 最近三月：朴素贝叶斯表现最佳，绝对收益为8.92%，超额收益为16.32%。
- 最近一年：朴素贝叶斯表现最佳，绝对收益为24.53%，超额收益为27.79%。
- XGBoost获得最高的信息比率（2.90），表明其在长期绩效中具有较好的风险调整后收益。
全A选股（沪深300行业中性）
- 本周：XGBoost表现最佳，绝对收益为-3.01%，超额收益为-0.49%。
- 最近三月：朴素贝叶斯表现最佳，绝对收益为1.40%，超额收益为-5.46%。
- 最近一年：朴素贝叶斯表现最佳，绝对收益为16.95%，超额收益为-10.00%。
- 朴素贝叶斯获得最高的信息比率（1.53），显示其在风险调整后表现优异。
全A选股（中证500行业中性）
- 本周：随机森林表现最佳，绝对收益为-4.53%，超额收益为1.40%。
- 最近三月：随机森林表现最佳，绝对收益为-3.47%，超额收益为3.93%。
- 最近一年：随机森林表现最佳，绝对收益为0.60%，超额收益为3.86%。
- XGBoost获得最高的信息比率（3.05），表明其在长期绩效中表现突出。
沪深300指数内选股
- 本周：逻辑回归表现最佳，绝对收益为-1.92%，超额收益为0.59%。
- 最近三月：朴素贝叶斯表现最佳，绝对收益为5.65%，超额收益为-1.21%。
- 最近一年：朴素贝叶斯表现最佳，绝对收益为33.25%，超额收益为6.30%。
- 逻辑回归获得最高的信息比率（1.01），在风险调整后表现最佳。
中证500指数内选股
- 本周：逻辑回归表现最佳，绝对收益为-5.32%，超额收益为0.62%。
- 最近三月：SVM表现最佳，绝对收益为-6.10%，超额收益为1.30%。
- 最近一年：SVM表现最佳，绝对收益为0.62%，超额收益为3.88%。
- 逻辑回归获得最高的信息比率（1.72），显示其在长期绩效中表现良好。

2. 策略构建方式

华泰人工智能选股策略基于以下5种方式构建：

全A选股（非行业中性）：月频调仓，从全部A股中选出50只预测表现最好的股票进行等权配置。
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，每个行业内选4只预测最好的股票。
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，每个行业内选4只预测最好的股票。
沪深300指数内选股：月频调仓，从沪深300成分股中选出2只预测最好的股票。
中证500指数内选股：月频调仓，从中证500成分股中选出4只预测最好的股票。

3. 因子池与特征处理

因子池：包含70个因子，涵盖估值、成长、动量翻转、波动率、换手率、情绪、技术、市值等类别。
特征处理：包括中位数去极值、缺失值填充（行业平均）、行业市值中性化、标准化等步骤。

4. 模型训练与调参

每月末截面期，将样本分为训练集（90%）和交叉验证集（10%）。
交叉验证集AUC（或平均AUC）最高的一组参数被选为最优参数。
模型在样本外进行测试，根据预测值构建组合。

5. 风险提示

人工智能模型构建的选股策略是基于历史经验的总结，存在失效的风险。
投资者应自行评估投资风险，注意市场波动和策略可能失效的情况。

总结

华泰人工智能选股策略通过多种机器学习模型（如朴素贝叶斯、XGBoost、随机森林、逻辑回归等）在不同指数内进行选股，展现了不同的表现特点。朴素贝叶斯在全A选股（非行业中性）和沪深300指数内选股中表现尤为突出，尤其在长期（最近一年）中表现优异。XGBoost在全A选股（中证500行业中性）中表现最佳，具有较高的信息比率。策略构建过程包括数据处理、特征提取、模型训练与调参等步骤，确保了模型的稳定性和有效性。投资者需注意策略的历史表现不能保证未来收益，应谨慎评估风险。

展开完整摘要