20180107-华泰证券-人工智能选股周报_最近三个月朴素贝叶斯表现最好_17页_980kb

报告摘要

金工研究/量化投资周报总结（2018年01月07日）

核心内容

本报告为华泰证券金工研究团队发布的量化投资周报，主要分析了近期人工智能选股策略在不同市场基准下的表现，包括全A选股、沪深300行业中性选股、中证500行业中性选股以及沪深300和中证500指数内选股。报告涵盖了多个机器学习模型（SVM、朴素贝叶斯、随机森林、XGBoost、逻辑回归、神经网络）的回测结果，并提供了详细的策略描述、因子处理流程及风险提示。

主要观点

策略表现：
- 在全A选股（非行业中性）策略中，朴素贝叶斯表现最佳，尤其在最近一年的超额收益高达17.10%。
- 在全A选股（沪深300行业中性）策略中，SVM表现最佳，最近一年超额收益为-9.25%。
- 在全A选股（中证500行业中性）策略中，朴素贝叶斯表现最佳，最近一年超额收益为0.11%。
- 在沪深300指数内选股策略中，朴素贝叶斯表现最佳，最近一年超额收益为5.11%。
- 在中证500指数内选股策略中，SVM表现最佳，最近一年超额收益为5.42%。
回测数据：
- 本报告提供了多个时间段的回测数据，包括本周、最近一月、最近三月、最近半年、最近一年。
- 朴素贝叶斯在多个时间段表现优于其他策略，尤其是在**全A选股（非行业中性）和全A选股（中证500行业中性）**中，表现出较强的超额收益能力。
- XGBoost在某些策略中表现优异，例如全A选股（中证500行业中性）中信息比率达到3.00。
策略构建：
- 本报告介绍了华泰人工智能选股策略的构建方法，包括全A选股和指数内选股两种方式。
- 每种策略采用不同的行业中性化处理方法，以确保策略的公平性。
因子处理流程：
- 数据获取：股票池包括沪深300成分股、中证500成分股及全A股，剔除ST、停牌及上市不足3个月的股票。
- 特征提取：使用70个因子进行建模，包括估值、成长、财务质量、杠杆、波动率、换手率、情绪、技术、市值等。
- 特征预处理：包括中位数去极值、缺失值填充、行业市值中性化、标准化等步骤。
- 模型训练与调参：采用分类问题和回归问题两种方式，训练集与交叉验证集按90%:10%划分，以交叉验证集AUC或平均AUC选择最优参数。
风险提示：
- 人工智能选股策略是基于历史数据的总结，存在失效的可能。

关键信息

策略类型：
- 全A选股（非行业中性）
- 全A选股（沪深300行业中性）
- 全A选股（中证500行业中性）
- 沪深300指数内选股
- 中证500指数内选股
模型表现：
- 朴素贝叶斯在全A选股（非行业中性）中表现最佳，最近一年绝对收益为17.38%，超额收益为17.10%。
- XGBoost在全A选股（中证500行业中性）中信息比率最高，为3.00。
- SVM在沪深300指数内选股中表现最佳，最近一年超额收益为5.11%。
因子池：
- 包括70个因子，涵盖估值、成长、财务质量、杠杆、波动率、换手率、情绪、技术、市值等多个方面。
- 每个因子都有具体定义，如EP（市盈率）、Sales_G_q（营业收入同比增长率）、**ROE_q（ROE同比增长率）**等。
交易费用：
- 单边交易费用为千分之二。
回测条件：
- 所有策略使用相同的回测条件，包括股票池处理、特征提取、交易费用等。
联系方式：
- 林晓明：0755-82080134，linxiaoming@htsc.com
- 陈烨：010-56793927，chenye@htsc.com
- 李子钰：liziyu@htsc.com