20181209-华泰证券-人工智能选股周报_本周大多数模型跑赢基准_13页_1mb

报告摘要

金工研究/量化投资周报总结（2018年12月09日）

核心内容概述

本报告是华泰证券金工团队发布的量化投资周报，总结了2018年12月8日一周内多个机器学习模型在不同指数成分股中的选股表现，并提供了详细的回测绩效及模型RankIC指标分析。报告重点分析了Stacking、SVM、朴素贝叶斯、随机森林、XGBoost、逻辑回归、神经网络等7个模型在不同选股策略下的表现。

主要观点

1. 本周模型表现

全A选股（沪深300行业市值中性）：SVM表现最好，获得绝对收益0.71%，超额收益0.43%。
全A选股（中证500行业市值中性）：朴素贝叶斯表现最好，获得绝对收益1.60%，超额收益0.81%。
沪深300指数内选股：XGBoost表现最好，获得绝对收益0.73%，超额收益0.45%。
中证500指数内选股：朴素贝叶斯表现最好，获得绝对收益1.66%，超额收益0.88%。
中证800指数内选股：XGBoost表现最好，获得绝对收益1.21%，超额收益0.81%。

2. 最近一个月模型表现

全A选股（沪深300行业市值中性）：SVM表现最好，获得绝对收益-0.85%，超额收益0.40%。
全A选股（中证500行业市值中性）：Stacking表现最好，获得绝对收益2.57%，超额收益2.67%。
沪深300指数内选股：逻辑回归表现最好，获得绝对收益-0.76%，超额收益1.19%。
中证500指数内选股：逻辑回归表现最好，获得绝对收益-1.56%，超额收益1.66%。
中证800指数内选股：逻辑回归表现最好，获得绝对收益0.21%，超额收益1.19%。

3. 2018年以来模型表现

全A选股（沪深300行业市值中性）：SVM表现最好，超额收益5.77%。
全A选股（中证500行业市值中性）：Stacking表现最好，超额收益10.55%。
沪深300指数内选股：随机森林表现最好，超额收益8.10%。
中证500指数内选股：朴素贝叶斯表现最好，超额收益7.82%。
中证800指数内选股：随机森林表现最好，超额收益8.10%。

关键信息

指数表现

沪深300涨跌幅为0.28%。
中证500涨跌幅为0.78%。
中证800涨跌幅为0.40%。
小盘指数表现优于大盘指数。

模型表现与回测条件

模型跟踪：Stacking、SVM、朴素贝叶斯、随机森林、XGBoost、逻辑回归、神经网络。
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：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）。
- 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、标准化。
- 交易费用：单边千分之二。

模型RankIC指标

全A选股：朴素贝叶斯RankIC均值最高，为0.115。
沪深300成分内选股：随机森林RankIC均值最高，为0.079。
中证500成分内选股：朴素贝叶斯RankIC均值最高，为0.096。
中证800成分内选股：朴素贝叶斯RankIC均值最高，为0.083。

风险提示

人工智能模型构建的选股策略是基于历史经验，存在失效的可能性。
人工智能模型可解释性较低，使用时需谨慎。

模型运用流程

数据获取：股票池包括沪深300成分股、中证500成分股、全A股。
特征和标签提取：使用70个因子作为特征，下一整个自然月的个股超额收益作为标签。
特征预处理：中位数去极值、缺失值填充、行业市值中性化、标准化。
训练集与交叉验证集合成：
- 分类问题：按收益排名前30%和后30%划分正例和负例。
- 回归问题：按90%和10%划分训练集和交叉验证集。
样本内训练：使用训练集训练模型。
交叉验证调参：选择交叉验证集AUC（或平均AUC）最高的参数作为最优参数。
样本外测试：使用最优参数进行预测，构建组合选股。

涉及因子

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	debtequity 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
技术	MACD	经典技术指标（长周期30日，短周期10日，中周期15日）
技术	DEA	经典技术指标
技术	DIF	经典技术指标
技术	RSI	经典技术指标（周期20日）
技术	PSY	经典技术指标（周期20日）
技术	BIAS	经典技术指标（周期20日）