20180923-华泰证券-人工智能选股周报_今年Stacking超额收益为7.83__13页_737kb
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9月22日发布的金工研究/量化投资周报，主要围绕人工智能选股模型的表现进行分析。报告涵盖多个模型在不同股票池中的表现，包括全A选股和指数内选股，并提供了各模型的超额收益、RankIC均值及回测绩效等详细数据。
主要观点
- 模型表现：在本周的多因子选股中，SVM在所有组合中表现最佳，获得正的超额收益。
- 回测绩效：各模型在2011年以来的回测中表现出不同的绩效，其中随机森林和XGBoost在沪深300成分内选股中表现较好。
- RankIC指标：RankIC是衡量模型预测能力的重要指标，部分模型如逻辑回归在不同股票池中表现出较高的RankIC均值。
- 模型分类：报告中跟踪了Stacking、SVM、朴素贝叶斯、随机森林、XGBoost、逻辑回归和神经网络等7种模型。
关键信息
各模型本周超额收益表现
- 全A选股（沪深300行业市值中性）：SVM表现最好，获得超额收益0.34%。
- 全A选股（中证500行业市值中性）：SVM表现最好，获得超额收益0.93%。
- 沪深300指数内选股：SVM表现最好，获得超额收益0.19%。
- 中证500指数内选股：SVM表现最好，获得超额收益0.79%。
- 中证800指数内选股：SVM表现最好，获得超额收益0.41%。
各模型最近一个月超额收益表现
- 全A选股（沪深300行业市值中性）：朴素贝叶斯表现最好，获得超额收益3.71%。
- 全A选股（中证500行业市值中性）：朴素贝叶斯表现最好，获得超额收益3.71%。
- 沪深300指数内选股：神经网络表现最好，获得超额收益0.53%。
- 中证500指数内选股：朴素贝叶斯表现最好，获得超额收益1.83%。
- 中证800指数内选股：朴素贝叶斯表现最好，获得超额收益0.45%。
各模型2018年以来超额收益表现
- 全A选股（沪深300行业市值中性）：Stacking表现最好，获得超额收益7.83%。
- 全A选股（中证500行业市值中性）：Stacking表现最好，获得超额收益7.83%。
- 沪深300指数内选股：随机森林表现最好，获得超额收益7.06%。
- 中证500指数内选股：朴素贝叶斯表现最好，获得超额收益5.68%。
- 中证800指数内选股：随机森林表现最好，获得超额收益7.06%。
各模型2018年以来RankIC均值表现
- 全A选股：逻辑回归表现最好，RankIC均值为0.114。
- 沪深300成分内选股：随机森林表现最好，RankIC均值为0.104。
- 中证500成分内选股：朴素贝叶斯表现最好，RankIC均值为0.093。
- 中证800成分内选股：神经网络表现最好，RankIC均值为0.083。
各模型2011年以来详细回测绩效（全A选股，沪深300行业市值中性）
| 模型名称 | 年化收益率 | 年化波动率 | 夏普比率 | 最大回撤 | 年化超额收益率 | 年化跟踪超额收益误差 | 信息比率 | Calmar比率 | 月胜率 | 月均双边换手率 |
|---|---|---|---|---|---|---|---|---|---|---|
| Stacking | 5.80% | 23.33% | 0.25 | 42.30% | 4.76% | 4.07% | 1.17 | 0.92 | 59.34% | 94.12% |
| SVM | 7.44% | 23.05% | 0.32 | 41.51% | 6.33% | 3.60% | 1.76 | 1.38 | 70.33% | 87.75% |
| 朴素贝叶斯 | 6.03% | 23.33% | 0.26 | 41.92% | 4.98% | 3.98% | 1.25 | 0.51 | 61.54% | 73.20% |
| 随机森林 | 7.44% | 22.85% | 0.33 | 40.75% | 6.27% | 3.55% | 1.77 | 1.22 | 69.23% | 93.82% |
| XGBoost | 7.40% | 23.15% | 0.32 | 40.85% | 6.31% | 3.59% | 1.76 | 1.29 | 64.84% | 84.67% |
| 逻辑回归 | 6.80% | 22.52% | 0.30 | 41.95% | 5.56% | 3.77% | 1.48 | 0.86 | 61.54% | 80.46% |
| 神经网络 | 7.39% | 22.66% | 0.33 | 39.98% | 6.17% | 3.80% | 1.62 | 1.27 | 65.93% | 86.91% |
各模型2011年以来详细回测绩效（全A选股，中证500行业市值中性）
| 模型名称 | 年化收益率 | 年化波动率 | 夏普比率 | 最大回撤 | 年化超额收益率 | 年化跟踪超额收益误差 | 信息比率 | Calmar比率 | 月胜率 | 月均双边换手率 |
|---|---|---|---|---|---|---|---|---|---|---|
| Stacking | 16.29% | 26.57% | 0.61 | 43.30% | 15.59% | 6.84% | 2.28 | 2.20 | 71.43% | 148.42% |
| SVM | 15.25% | 26.07% | 0.58 | 45.34% | 14.48% | 5.97% | 2.43 | 2.65 | 69.23% | 145.14% |
| 朴素贝叶斯 | 13.75% | 25.86% | 0.53 | 43.31% | 12.86% | 6.77% | 1.90 | 1.61 | 74.73% | 121.73% |
| 随机森林 | 16.51% | 24.75% | 0.67 | 37.96% | 15.27% | 6.75% | 2.26 | 2.54 | 70.33% | 148.11% |
| XGBoost | 17.00% | 25.50% | 0.67 | 37.73% | 16.01% | 6.37% | 2.51 | 2.37 | 71.43% | 137.33% |
| 逻辑回归 | 12.55% | 26.14% | 0.48 | 46.35% | 11.79% | 6.43% | 1.83 | 1.21 | 65.93% | 138.24% |
| 神经网络 | 15.12% | 25.85% | 0.58 | 44.09% | 14.24% | 6.49% | 2.19 | 1.46 | 72.53% | 152.03% |
各模型RankIC详细指标
- RankIC均值：逻辑回归在2011年以来全A选股中表现最好，RankIC均值为0.123。
- IR比率：逻辑回归在2011年以来全A选股中IR比率最高，为1.862。
- RankIC大于0的比例：逻辑回归在2018年以来全A选股中RankIC大于0的比例最高，为96.70%。
风险提示
- 人工智能模型构建的选股策略是历史经验的总结，存在失效的可能。
- 模型可解释程度较低，使用时需谨慎。
模型应用流程
- 数据获取：股票池包括沪深300成分股、中证500成分股和全A股，剔除ST股票、停牌股票和上市3个月内的股票。
- 特征提取：使用70个因子作为特征，包括估值、成长、财务质量、杠杆、市值、动量反转、波动率、情绪、换手率、技术等。
- 特征预处理：包括中位数去极值、缺失值填充、行业市值中性化和标准化。
- 训练集和交叉验证集合成：按月份划分训练集和交叉验证集，进行模型训练和调参。
- 样本外测试：使用最优参数对样本外数据进行预测，构建组合选股。
特征池
- 估值因子：EP、EPcut、BP、SP、NCFP、OCFP、DP、G/PE
- 成长因子：Sales_G_q、Profit_G_q、OCF_G_q、ROE_G_q
- 财务质量因子：ROE_q、ROE_ttm、ROA_q、ROA_ttm、grossprofitmargin_q、grossprofitmargin_ttm、profitmargin_q、profitmargin_ttm、assetturnover_q、assetturnover_ttm、operationcashflowratio_q、operationcashflowratio_ttm
- 杠杆因子：financial_leverage、debt_equity_ratio、cash_ratio、current_ratio
- 市值因子：ln_capital
- 动量反转因子：HAlpha、return_Nm、wgt_return_Nm、exp_wgt_return_Nm
- 波动率因子：std_FF3factor_Nm、std_Nm
- 股价因子：ln_price
- beta因子：beta
- 换手率因子：turn_Nm、bias_turn_Nm
- 情绪因子：rating_average、rating_change、rating_targetprice
- 股东因子：holder_avgpctchange
- 技术因子：MACD、DEA、DIF、RSI、PSY、BIAS
评级说明
- 行业评级：以报告发布日后6个月的行业涨跌幅为基准，分为增持、中性和减持。
- 公司评级：以报告发布日后6个月的公司涨跌幅为基准，分为买入、增持、中性、减持和卖出。
联系方式
- 林晓明：执业证书编号 S0570516010001，电话 0755-82080134，邮箱 linxiaoming@htsc.com
- 陈烨：执业证书编号 S0570518080004，电话 010-56793927，邮箱 chenye@htsc.com
- 李子钰：联系人，邮箱 liziyu@htsc.com
免责声明
- 本报告仅供华泰证券客户使用，不构成买卖建议。
- 报告内容基于公开信息，不保证其准确性。
- 报告观点和建议可能随时间变化，投资者需自行判断。
- 报告版权归华泰证券所有，未经许可不得复制或分发。
展开完整摘要
试读结束，高清完整版pdf/doc/ppt,请点下载
