20170820-广发_-人工智能在量化投资领域的实践与展望_46页_3mb

人工智能在量化投资领域的实践与展望

核心内容

本文系统地介绍了广发证券金融工程团队在人工智能与大数据技术应用于量化投资领域的实践与研究体系，涵盖了团队构成、研究方向、策略模型、AI应用及未来展望等多个方面。团队致力于量化择时、量化选股、大类资产配置、CTA策略及衍生品研究，并构建了相应的研究平台与模型，以实现更科学的投资决策。

主要观点

• 人工智能与大数据技术在量化投资中发挥着重要作用，包括但不限于数据处理、策略构建、择时预测、选股分析、交易优化及智能投顾等。
• 广发证券金融工程团队在多个研究方向上取得了显著成果，如大类资产配置、行业轮动、风格因子分析等。
• AI技术能够处理非结构化数据，如文本、图像等，为投资决策提供新的数据维度与分析方式。
• 通过机器学习算法、深度学习、遗传规划等方法，团队构建了多种量化策略，包括趋势策略、反转策略、择时策略、选股策略及CTA交易策略等。
• 智能投顾作为AI在投资领域的延伸，正在快速发展，已成为传统金融机构的重要布局方向。

关键信息

团队及研究体系

• 团队成员：罗军、安宁宁、严佳炜、史庆盛、马普凡、张超、文巧钧、樊瑞铎、李豪等，涵盖首席分析师、资深分析师、分析师及助理分析师等岗位。
• 研究方向：大类资产配置、行业轮动、风格因子、CTA策略、期权研究、事件驱动、机器学习等。
• 研究平台：广发金工大类资产配置计算平台V1.0，支持策略回测与组合管理。

大类配置体系

• 配置目标：包括收益目标、风险目标、时间目标及其他目标。
• 资产选择：涵盖传统资产（股票、债券）与非传统资产（商品、PE/VC、非标等）。
• 配置模型：包括基于风险收益的模型（均值方差、BL、ABL）和基于风险的模型（风险平价）。
• 风险度量：基于历史数据与资产在不同风险因素上的表现进行评估。

行业轮动体系

• 相似性匹配策略：基于行业特征相似性，推荐超配行业，如休闲服务、食品饮料、医药生物等。
• 羊群效应策略：利用市场情绪与投资者行为分析，捕捉市场波动中的投资机会。
• 行业轮动策略表现：在不同年份表现出一定的超额收益与胜率，但也存在回撤风险。

风格因子体系

• 风格策略：包括趋势策略、反转策略、风格动量策略等，用于构建组合并优化收益。
• 量化选股平台：基于Wind、朝阳永续、天软科技等数据库，进行风格筛选、资金分配、策略回溯等。

CTA交易策略

• EMDT策略：基于经验模态分解技术，识别市场趋势并进行交易。
• SMT策略：通过相似性匹配，识别交易信号并进行策略优化。
• 遗传规划策略：利用遗传算法进行交易策略的迭代优化，寻找最优参数与模型结构。

AI与大数据技术应用

• 数据处理与策略构建：利用网络爬虫、自然语言处理、图像识别等技术，从文本、图片等非结构化数据中提取投资信息。
• 择时策略：
  • 贴吧大数据择时：基于舆情数据构建择时信号，年化收益率达13.48%。
  • HMM择时策略：利用隐马尔科夫模型分析市场状态，年化收益率达27.7%。
• 选股策略：
  • 深度学习挖掘Alpha因子：建立股票特征与未来收益率之间的关系，年化收益率达20.3%。
• CTA交易策略：包括EMDT、SMT、遗传规划等，利用AI技术优化交易信号与策略性能。
• 概念与行业舆情监测：结合百度舆情大数据，进行主题轮动与行业轮动分析，实现超额收益。

智能投顾

• 定义：智能投顾（Robo-Advisor）是基于用户风险偏好与收益目标，提供资产配置、产品推荐等服务的在线财富管理平台。
• 发展历程：美国智能投顾起步较早，2008年由Betterment等初创公司发起，传统金融机构如嘉信证券、先锋基金随后跟进。
• 现状：截至2016年，美国智能投顾管理资产规模已超过数百亿美元，预计未来几年将快速增长。
• 贝塔牛功能：提供个性化理财建议，结合财务状况、风险偏好与理财目标，实现“i股票 + i配置”的智能投顾服务。

未来展望

• 文本挖掘：利用多维度数据（如搜索引擎、股吧、研究报告等）进行综合分析，采用深度学习方法处理非结构化数据。
• AI技术应用：
  • 选股：继续挖掘Alpha因子，优化风格轮动与行业轮动模型，提升组合收益。
  • 择时与交易策略：开发新的预测模型，优化交易信号，推动高频与算法交易。
  • 大类资产配置：构建资产走势预测模型，分析影响资产走势的因子。
  • AI投研辅助系统：建立知识图谱，解读实时事件，自动寻找交易机会与股票标的。

风险提示与免责声明

• 风险提示：模型基于假设，可能无法准确反映现实市场，且历史数据可能与未来情况存在偏差。
• 免责声明：本报告仅供广发证券重点客户参考，不对外公开发布，不构成投资建议，且广发证券不对因使用本报告内容而产生的损失承担责任。