20181021-华泰证券-人工智能选股周报_今年Stacking超额收益为9.54__13页_1mb

报告摘要

金工研究/量化投资周报总结

核心内容

本周为2018年10月20日发布的金工研究/量化投资周报，主要聚焦于人工智能模型在多因子选股中的表现，对多个模型在不同股票池中的超额收益与RankIC指标进行了详细分析。

主要观点

市场表现：本周沪深300下跌1.13%，中证500下跌3.51%，中证800下跌1.68%。大盘指数表现优于小盘指数。
模型表现：多数模型获得较大超额收益，其中全A选股（中证500行业市值中性）Stacking和XGBoost获得超过3%的超额收益，是周报跟踪以来的最大单周超额收益。
超额收益表现：
- Stacking：2018年以来全A选股（中证500行业市值中性）超额收益为9.54%。
- XGBoost：2018年以来全A选股（中证500行业市值中性）超额收益为9.15%。
- 随机森林：2018年以来中证800指数内选股超额收益为8.58%，是表现最好的三个模型之一。
RankIC表现：
- 全A选股（沪深300行业市值中性）：2018年以来RankIC均值最高的是朴素贝叶斯，为0.110。
- 沪深300成分内选股：2018年以来RankIC均值最高的是随机森林，为0.099。
- 中证500成分内选股：2018年以来RankIC均值最高的是朴素贝叶斯，为0.1。
- 中证800成分内选股：2018年以来RankIC均值最高的是朴素贝叶斯，为0.088。

关键信息

模型跟踪：本报告跟踪了Stacking、SVM、朴素贝叶斯、随机森林、XGBoost、逻辑回归、神经网络等7种机器学习模型在月频多因子选股中的表现。
模型构建方式：每种模型构建了5种多因子选股模型，包括全A选股（沪深300/中证500行业市值中性）和指数内选股（沪深300/中证500/中证800）。
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，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。
模型评估指标：
- 年化收益率：Stacking、SVM、随机森林等模型在不同股票池中的年化收益率差异较大。
- 年化波动率：所有模型波动率均在22%~27%之间。
- 夏普比率：XGBoost和逻辑回归的夏普比率较高，分别为0.31和0.32。
- 最大回撤：所有模型的最大回撤在38%~44%之间。
- 年化超额收益率：Stacking、XGBoost、随机森林等模型的年化超额收益率较高。
- 信息比率：部分模型的信息比率较高，如逻辑回归和神经网络。
- Calmar比率：XGBoost和逻辑回归的Calmar比率较高。
- 月胜率：部分模型的月胜率较高，如逻辑回归和神经网络。
- 换手率：各模型的月均双边换手率在1.2~2.6之间。

风险提示

模型失效风险：通过人工智能模型构建选股策略是历史经验的总结，存在失效的可能。
模型可解释性：人工智能模型的可解释程度较低，使用须谨慎。

附录

模型详细指标：包括RankIC均值、标准差、IR比率、RankIC大于0的比例等。
因子池：涉及70个因子，包括估值、成长、财务质量、杠杆、市值、动量翻转、波动率、股价、换手率、情绪、技术等。
模型流程：包括数据获取、特征和标签提取、特征预处理、训练集和交叉验证集的合成、样本内训练、交叉验证调参、样本外测试等。

评级说明

行业评级体系：以报告发布日后6个月内的行业涨跌幅为基准，与沪深300指数进行比较。
公司评级体系：以报告发布日后6个月内的公司涨跌幅为基准，与沪深300指数进行比较。

联系信息

南京：南京市建邺区江东中路228号华泰证券广场1号楼，邮政编码：210019，电话：862583389999，传真：862583387521，电子邮件：ht-rd@htsc.com
深圳：深圳市福田区深南大道4011号香港中旅大厦24层，邮政编码：518048，电话：8675582493932，传真：8675582492062，电子邮件：ht-rd@htsc.com
北京：北京市西城区太平桥大街丰盛胡同28号太平洋保险大厦A座18层，邮政编码：100032，电话：861063211166，传真：861063211275，电子邮件：ht-rd@htsc.com
上海：上海市浦东新区东方路18号保利广场E栋23楼，邮政编码：200120，电话：862128972098，传真：862128972068，电子邮件：ht-rd@htsc.com