20180317-华泰证券-人工智能选股周报_本周SVM表现最好_17页_1mb
报告摘要
华泰人工智能选股策略周报总结(2018年03月17日)
核心内容概述
本报告总结了华泰金工人工智能选股策略在2018年03月17日的周表现,以及多个月份和年度的历史表现。报告中分析了多个机器学习模型在不同选股策略下的表现,并展示了其回测条件和因子池。
主要观点
1. 人工智能选股策略表现
-
全A选股(非行业中性):
- 本周:SVM表现最好,绝对收益为0.36%,超额收益为1.33%。
- 最近三月:随机森林表现最好,绝对收益为7.57%,超额收益为8.44%。
- 最近一年:朴素贝叶斯表现最好,绝对收益为13.67%,超额收益为19.74%。
- XGBoost在最近一年获得最高的信息比率2.79。
-
全A选股(沪深300行业中性):
- 本周:SVM表现最好,绝对收益为-0.56%,超额收益为0.72%。
- 最近三月:随机森林表现最好,绝对收益为2.97%,超额收益为1.18%。
- 最近一年:朴素贝叶斯表现最好,绝对收益为7.99%,超额收益为-8.53%。
- 朴素贝叶斯获得最高的信息比率1.53。
-
全A选股(中证500行业中性):
- 本周:SVM表现最好,绝对收益为-0.43%,超额收益为0.55%。
- 最近三月:朴素贝叶斯表现最好,绝对收益为0.42%,超额收益为1.28%。
- 最近一年:随机森林表现最好,绝对收益为-1.47%,超额收益为4.60%。
- XGBoost在最近一年获得最高的信息比率3.03。
-
沪深300指数内选股:
- 本周:逻辑回归表现最好,绝对收益为-1.52%,超额收益为-0.24%。
- 最近三月:逻辑回归表现最好,绝对收益为3.60%,超额收益为1.82%。
- 最近一年:朴素贝叶斯表现最好,绝对收益为21.03%,超额收益为4.52%。
- 逻辑回归获得最高的信息比率1.08。
-
中证500指数内选股:
- 本周:随机森林表现最好,绝对收益为-0.69%,超额收益为0.28%。
- 最近三月:朴素贝叶斯表现最好,绝对收益为0.42%,超额收益为1.28%。
- 最近一年:SVM表现最好,绝对收益为-1.55%,超额收益为4.52%。
- 逻辑回归获得最高的信息比率1.65。
2. 策略构建与回测条件
- 跟踪模型:SVM、朴素贝叶斯、随机森林、XGBoost、逻辑回归、神经网络。
- 选股策略:
- 全A选股(非行业中性):月频调仓,等权配置50只股票。
- 全A选股(沪深300行业中性):月频调仓,行业权重与沪深300一致,每行业内等权配置4只股票。
- 全A选股(中证500行业中性):月频调仓,行业权重与中证500一致,每行业内等权配置4只股票。
- 沪深300指数内选股:月频调仓,行业权重与沪深300一致,每行业内等权配置2只股票。
- 中证500指数内选股:月频调仓,行业权重与中证500一致,每行业内等权配置4只股票。
- 回测统一条件:
- 剔除ST、停牌、上市3个月内的股票。
- 使用70个因子作为特征,包括估值、成长、动量翻转、波动率、换手率、情绪、技术、市值等。
- 对原始因子做中位数去极值,缺失值填充为行业平均值,进行行业市值中性化处理,标准化处理。
- 交易费用为单边千分之二。
3. 因子池与特征提取
- 因子分类:
- 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、debtequity_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。
关键信息
- 模型表现差异:不同模型在不同选股策略中的表现差异显著,如SVM在全A非行业中性策略中表现较好,而随机森林在中证500行业中性策略中表现最佳。
- 超额收益:部分策略在短期内获得较高的超额收益,但需注意其长期表现和波动率。
- 风险提示:人工智能模型构建的选股策略基于历史数据,存在失效的可能。
- 免责申明:本报告仅供内部使用,不构成投资建议,且不保证信息的准确性。
结论
华泰人工智能选股策略通过应用多种机器学习算法,如SVM、朴素贝叶斯、随机森林、XGBoost、逻辑回归等,实现了在不同市场环境下的选股效果。策略表现依赖于模型选择和市场条件,需定期评估和调整。尽管部分策略在短期内表现优异,但长期投资需考虑模型的有效性和市场变化的不确定性。
展开完整摘要
试读结束,高清完整版pdf/doc/ppt,请点下载