20180826-华泰证券-人工智能选股周报_今年Stacking超额收益为8.10__13页_1mb

报告摘要

金工研究/量化投资周报总结

核心内容

本报告为华泰证券金工团队发布的量化投资周报，分析了2018年8月25日一周内多种人工智能模型在多因子选股中的表现，并对2018年以来及2011年以来的回测绩效进行了对比。报告还介绍了模型构建方法、使用的因子池及风险提示。

主要观点

模型表现：在不同股票池中，多个模型表现差异显著，部分模型在短期和长期中均显示出较高的超额收益。
RankIC指标：RankIC（秩相关系数）用于衡量模型预测能力，部分模型在不同股票池中RankIC均值较高。
回测条件：所有模型均基于统一的回测条件，包括剔除ST、停牌及上市3个月内的股票，使用70个因子进行特征提取和处理。
模型分类：报告中涉及Stacking、SVM、朴素贝叶斯、随机森林、XGBoost、逻辑回归、神经网络等7种模型。
绩效差异：由于模型适用范围和回测方法不同，绩效表现存在差异，部分模型表现优于其他。

关键信息

各模型本周、最近一个月和2018年以来超额收益表现

指数/股票池	本周超额收益最高模型	本周超额收益	最近一个月超额收益最高模型	最近一个月超额收益	2018年以来超额收益最高模型	2018年以来超额收益
沪深300	神经网络	-0.39%	神经网络	1.10%	XGBoost	4.23%
中证500	朴素贝叶斯	0.45%	朴素贝叶斯	1.47%	朴素贝叶斯	4.56%
中证800	随机森林	-0.20%	随机森林	1.47%	随机森林	6.44%

各模型2018年以来RankIC均值

指数/股票池	RankIC均值最高模型	RankIC均值
全A选股	Stacking	0.119
沪深300成分内选股	随机森林	0.109
中证500成分内选股	朴素贝叶斯	0.091
中证800成分内选股	神经网络	0.094

各模型2011年以来RankIC详细指标

模型名称	2011年以来RankIC均值	2011年以来RankIC标准差	2011年以来IR比率	2018年以来RankIC均值	2018年以来RankIC标准差	2018年以来IR比率
Stacking	0.133	0.084	1.585	0.119	0.049	2.437
SVM	0.122	0.073	1.685	0.11	0.06	1.823
朴素贝叶斯	0.113	0.111	1.022	0.091	0.131	0.67
随机森林	0.136	0.086	1.576	0.102	0.103	1.054
XGBoost	0.141	0.09	1.534	0.102	0.081	1.252
逻辑回归	0.123	0.066	1.853	0.114	0.076	1.565
神经网络	0.129	0.076	1.689	0.108	0.064	1.688

机器学习模型运用到多因子选股的流程

数据获取：
- 股票池：沪深300成分股/中证500成分股/全A股。
- 剔除ST、停牌及上市3个月内的股票。
- 训练样本长度：72个月。
特征和标签提取：
- 每个自然月的最后一个交易日，计算70个因子暴露度作为特征。
- 计算下一整个自然月的个股超额收益（以沪深300指数为基准）作为标签。
特征预处理：
- 中位数去极值。
- 缺失值填充为行业平均值。
- 行业市值中性化处理。
- 标准化处理。
训练集与交叉验证集的划分：
- 分类问题：选取下月收益排名前30%作为正例，后30%作为负例。
- 按照90%和10%的比例划分训练集和交叉验证集。
模型训练与调参：
- 使用交叉验证集的AUC（或平均AUC）选择最优参数。
样本外测试：
- 使用最优参数进行预测，构建组合选股。

回测条件

股票池处理：剔除ST、停牌及上市3个月内的股票。
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）。
交易费用：单边千分之二。
组合构建：行业中性和市值中性。

选股模型因子池

大类因子	具体因子	因子描述
估值	EP	净利润（TTM）/总市值
估值	EPcut	扣除非经常性损益后净利润（TTM）/总市值
估值	BP	净资产/总市值
估值	SP	营业收入（TTM）/总市值
估值	NCFP	净现金流（TTM）/总市值
估值	OCFP	经营性现金流（TTM）/总市值
估值	DP	近12个月现金红利（按除息日计）/总市值
估值	G/PE	净利润（TTM）同比增长率/PE_TTM
成长	Sales_G_q	营业收入（最新财报，YTD）同比增长率
成长	Profit_G_q	净利润（最新财报，YTD）同比增长率
成长	OCF_G_q	经营性现金流（最新财报，YTD）同比增长率
成长	ROE_G_q	ROE（最新财报，YTD）同比增长率
财务质量	ROE_q	ROE（最新财报，YTD）
财务质量	ROE_ttm	ROE（最新财报，TTM）
财务质量	ROA_q	ROA（最新财报，YTD）
财务质量	ROA_ttm	ROA（最新财报，TTM）
财务质量	grossprofitmargin_q	毛利率（最新财报，YTD）
财务质量	grossprofitmargin_ttm	毛利率（最新财报，TTM）
财务质量	profitmargin_q	扣除非经常性损益后净利润率（最新财报，YTD）
财务质量	profitmargin_ttm	扣除非经常性损益后净利润率（最新财报，TTM）
财务质量	assetturnover_q	资产周转率（最新财报，YTD）
财务质量	assetturnover_ttm	资产周转率（最新财报，TTM）
财务质量	operationcashflowratio_q	经营性现金流/净利润（最新财报，YTD）
财务质量	operationcashflowratio_ttm	经营性现金流/净利润（最新财报，TTM）
杠杆	financial_leverage	总资产/净资产
杠杆	debt_equity_ratio	非流动负债/净资产
杠杆	cash_ratio	现金比率
杠杆	current_ratio	流动比率
市值	ln_capital	总市值取对数
动量反转	HAlpha	个股60个月收益与上证综指回归的截距项
动量反转	return_Nm	个股最近N个月内收益率，N=1，3，6，12
动量反转	wgt_return_Nm	个股最近N个月内用每日换手率乘以每日收益率求算术平均值，N=1，3，6，12
动量反转	exp_wgt_return_Nm	个股最近N个月内用每日换手率乘以函数exp(-x_i/N/4)再乘以每日收益率求算术平均值，x_i为该日距离截面日的交易日的个数，N=1，3，6，12
波动率	std_FF3factor_Nm	特质波动率——个股最近N个月内用日频收益率对Fama French三因子回归的残差的标准差，N=1，3，6，12
波动率	std_Nm	个股最近N个月的日收益率序列标准差，N=1，3，6，12
股价	ln_price	股价取对数
beta	beta	个股60个月收益与上证综指回归的beta
换手率	turn_Nm	个股最近N个月内日均换手率（剔除停牌、涨跌停的交易日），N=1，3，6，12
换手率	bias_turn_Nm	个股最近N个月内日均换手率除以最近2年内日均换手率（剔除停牌、涨跌停的交易日）再减去1，N=1，3，6，12
情绪	rating_average	Wind评级的平均值
情绪	rating_change	Wind评级（上调家数-下调家数）/总数
情绪	rating_targetprice	Wind一致目标价/现价-1
股东	holder_avgpctchange	户均持股比例的同比增长率
技术	MACD	经典技术指标（释义可参考百度百科），长周期取30日，短周期取10日，计算DEA均线的周期（中周期）取15日
技术	DEA	取10日，计算DEA均线的周期（中周期）取15日
技术	DIF	经典技术指标，周期取20日
技术	RSI	经典技术指标，周期取20日
技术	PSY	经典技术指标，周期取20日
技术	BIAS	经典技术指标，周期取20日