20180121-华泰证券-人工智能选股周报_本周朴素贝叶斯表现最好_17页_1mb

报告摘要

华泰人工智能选股策略周报总结（2018年01月21日）

核心内容概述

本报告总结了华泰证券金工团队在2018年1月15日至1月19日期间，对多个人工智能选股策略的表现分析。报告展示了不同策略在不同指数（全A、沪深300、中证500）下的表现，并提供了历史绩效数据。核心内容包括：

人工智能模型在多因子选股中的应用；
不同策略在不同市场环境下的表现；
详细的数据处理流程与模型选择依据；
风险提示与免责声明。

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）

本周表现：6个组合跑赢基准，其中朴素贝叶斯策略表现最佳，绝对收益为3.74%，超额收益为5.73%。
最近三月：朴素贝叶斯策略超额收益最高，为12.19%。
最近一年：朴素贝叶斯策略超额收益最高，为21.94%。
信息比率最高：XGBoost策略信息比率最高，为2.86。

全A选股（沪深300行业中性）

本周表现：1个组合跑赢基准，朴素贝叶斯策略表现最佳，绝对收益为1.56%，超额收益为0.13%。
最近三月：朴素贝叶斯策略超额收益最高，为-5.84%。
最近一年：朴素贝叶斯策略超额收益最高，为-9.10%。
信息比率最高：朴素贝叶斯策略信息比率最高，为1.56。

全A选股（中证500行业中性）

本周表现：5个组合跑赢基准，朴素贝叶斯策略表现最佳，绝对收益为-0.95%，超额收益为1.04%。
最近三月：神经网络策略超额收益最高，为3.48%。
最近一年：随机森林策略超额收益最高，为2.75%。
信息比率最高：XGBoost策略信息比率最高，为3.02。

沪深300指数内选股

本周表现：4个组合跑赢基准，朴素贝叶斯策略表现最佳，绝对收益为2.24%，超额收益为0.81%。
最近三月：朴素贝叶斯策略超额收益最高，为-2.16%。
最近一年：朴素贝叶斯策略超额收益最高，为4.27%。
信息比率最高：逻辑回归策略信息比率最高，为1.03。

中证500指数内选股

本周表现：2个组合跑赢基准，逻辑回归策略表现最佳，绝对收益为-1.63%，超额收益为0.35%。
最近三月：SVM策略超额收益最高，为0.70%。
最近一年：SVM策略超额收益最高，为3.86%。
信息比率最高：逻辑回归策略信息比率最高，为1.69。

2. 策略构建与回测条件

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，涵盖估值、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（行业平均）；
- 行业市值中性化；
- 标准化处理。
交易费用：双边交易费用为0.2%。

3. 模型选择与训练流程

模型类型：包括SVM、朴素贝叶斯、随机森林、XGBoost、逻辑回归、神经网络。
训练集与验证集划分：每个月末截面期，选取下月收益排名前30%的股票作为正例，后30%作为负例。训练集占90%，验证集占10%。
调参方式：使用交叉验证集的AUC（或平均AUC）选择最优参数。

4. 因子池说明

大类因子：估值、成长、财务质量、杠杆、市值、动量反转、波动率、股价、beta、换手率、情绪、股东、技术。
具体因子：包括EP、EPcut、BP、SP、NCFP、OCFP、DP、G/PE、Sales_G_q、Profit_G_q、OCF_G_q、ROE_G_q、ROE_q、ROE_ttm、ROA_q、ROA_ttm、grossprofitmargin_q、grossprofitmargin_ttm、profitmargin_q、profitmargin_ttm、assetturnover_q、assetturnover_ttm、operationcashflowratio_q、operationcashflowratio_ttm、financial_leverage、debt equity ratio、cash ratio、current ratio、ln_capital、HAlpha、return_Nm、wgt_return_Nm、exp_wgt_return_Nm、std_FF3factor_Nm、std_Nm、ln_price、beta、turn_Nm、bias_turn_Nm、rating_average、rating_change、rating_targetprice、holder_avgpctchange、MACD、DEA、DIF、RSI、PSY、BIAS。

5. 风险提示

通过人工智能模型构建的选股策略是基于历史数据的总结，可能存在失效风险。
投资者需注意市场变化，模型表现可能随时间而变化。
投资决策应结合个人投资目标与风险承受能力，不应仅依赖本报告。

结论

在2018年1月的市场环境中，朴素贝叶斯策略在多个选股策略中表现突出，尤其在全A选股（非行业中性）和沪深300指数内选股中，均获得了较高的超额收益。然而，在中证500行业中性策略中，随机森林和XGBoost策略表现更为稳健。整体来看，不同模型在不同市场和策略中表现各异，投资者需根据市场环境和自身需求选择合适的策略。

展开完整摘要