华泰证券_20180624_人工智能选股周报：本周多数组合跑赢基准.pdf

谨请参阅尾页重要声明及华泰证券股票和行业评级标准1证券研究报告证券研究报告金工研究/量化投资周报2018年06月24日本周多数组合跑赢基准本周多数组合跑赢基准人工智能选股周报 20180623相关研究相关研究金工研究/量化投资周报|2018 年 06 月 24 日谨请参阅尾页重要声明及华泰证券股票和行业评级标准2华泰人工智能华泰人工智能选股选股策略策略华泰金工人工智能选股系列报告将多种机器学习算法应用到多因子选股中，目的是利用机器学习算法的非线性特性和自动学习能力，从传统的多因子数据中挖掘出能带来更高超额收益的非线性特征。本周报中，我们跟踪了 Stacking、SVM、朴素贝叶斯、随机森林、XGBoost、逻辑回归、神经网络 7 个模型在月频多因子选股的表现。对于每一种模型，我们构建了以下 5 个多因子选股策略，进行定期跟踪（由于神经网络需要使用大量因子数据进行训练，所以没有使用神经网络进行沪深 300 和中证 500 指数内选股）。1.全 A 选股（非行业中性）：月频调仓，在全部 A 股中选股，组合选择 50 只模型预测表现最好的股票进行等权配置。2.全 A 选股（沪深 300 行业中性）：月频调仓，在全部 A 股中选股，行业权重配置和沪深 300 保持一致，每个行业内选择 4 只模型预测表现最好的股票进行等权配置。3.全 A 选股（中证 500 行业中性）：月频调仓，在全部 A 股中选股，行业权重配置和中证 500 保持一致，每个行业内选择 4 只模型预测表现最好的股票进行等权配置。4.沪深 300 指数内选股：月频调仓，在沪深 300 指数成分股中选股，行业权重配置和沪深 300 保持一致，每个行业内选 2 只模型预测表现最好的股票进行等权配置。5.中证 500 指数内选股：月频调仓，在中证 500 指数成分股中选股，行业权重配置和中证 500 保持一致，每个行业内选 4 只模型预测表现最好的股票进行等权配置。对于所有跟踪的策略，使用如下统一回测条件：1.股票池处理：剔除 ST、停牌、上市 3 个月以内的股票。2.特征提取：70 个因子作为特征（估值、成长、动量翻转、波动率、换手率、情绪、技术、市值等）。对原始因子做中位数去极值，缺失值填充（行业平均），行业市值中性，标准化。3.交易费用：单边千分之二。金工研究/量化投资周报|2018 年 06 月 24 日谨请参阅尾页重要声明及华泰证券股票和行业评级标准3华泰人工智能华泰人工智能选股选股策略表现策略表现华泰人工智能全华泰人工智能全 A 选股选股（非（非行业中性行业中性）策略表现）策略表现本周中证 500 涨跌幅为-5.90%。本周 4 个人工智能组合跑赢基准，超额收益最高的策略是随机森林，该策略本周获得绝对收益-3.64%，超额收益 2.26%。最近三月超额收益最高的策略是随机森林，该策略最近三月获得绝对收益-6.05%，超额收益 9.37%。最近一年超额收益最高的策略是随机森林，该策略最近一年获得绝对收益 10.24%，超额收益 24.13%。图表 1 展示了各个策略在各时间段的表现。图表图表1：华泰人工智能选股策略收益（全华泰人工智能选股策略收益（全 A选股，非行业中性）选股，非行业中性）本周本周（2018/06/19 至至2018/06/22）最近一月最近一月（2018/05/22 至至2018/06/22）最近三月最近三月（2018/03/22 至至2018/06/22）最近半年最近半年（2017/12/22 至至2018/06/22）最近一年最近一年（2017/06/22 至至2018/06/22）策略名称策略名称绝对收益绝对收益超额收益超额收益（ZZ500）绝对收益绝对收益超额收益超额收益（ZZ500）绝对收益绝对收益超额收益超额收益（ZZ500）绝对收益绝对收益超额收益超额收益（ZZ500）绝对收益绝对收益超额收益超额收益（ZZ500）Stacking-4.40%1.50%-16.29%-0.99%-15.91%-0.49%-14.88%2.46%-10.42%3.46%SVM-6.28%-0.37%-13.12%2.19%-8.44%6.98%-8.16%9.18%-11.07%2.82%朴素贝叶斯-3.81%2.10%-10.13%5.18%-9.37%6.06%-5.61%11.73%3.36%17.25%随机森林-3.64%2.26%-10.11%5.20%-6.05%9.37%0.70%18.04%10.24%24.13%XGBoost-3.79%2.12%-11.38%3.93%-6.42%9.01%-1.83%15.52%2.66%16.55%逻辑回归-6.73%-0.82%-19.33%-4.02%-16.52%-1.10%-20.14%-2.80%-16.07%-2.18%神经网络-7.15%-1.25%-16.25%-0.94%-17.34%-1.92%-20.20%-2.86%-11.96%1.93%中证 500-5.90%-15.31%-15.42%-17.34%-13.89%资料来源：Wind，华泰证券研究所图表 2 和图表 3 显示了 2011 年至今华泰人工智能选股策略（全 A 选股，非行业中性）的超额收益表现和绩效。其中 Stacking 获得最高的信息比率 3.62。图表图表2：华泰人工智能选股策略超额收益（全华泰人工智能选股策略超额收益（全 A选股，非行业中性）选股，非行业中性）资料来源：Wind，华泰证券研究所-100%0%100%200%300%400%500%600%700%800%2011/2/12011/8/202012/3/72012/9/232013/4/112013/10/282014/5/162014/12/22015/6/202016/1/62016/7/242017/2/92017/8/282018/3/16StackingSVM朴素贝叶斯随机森林XGBoost逻辑回归神经网络金工研究/量化投资周报|2018 年 06 月 24 日谨请参阅尾页重要声明及华泰证券股票和行业评级标准4图表图表3：华泰人工智能选股策略绩效（全华泰人工智能选股策略绩效（全 A选股，非行业中性）选股，非行业中性）策略名称策略名称比较基准比较基准年化收益率年化收益率 年化波动率年化波动率夏普比率夏普比率 最大回撤最大回撤年化超额收年化超额收益率益率年化跟踪年化跟踪误差误差超额收益超额收益最大回撤最大回撤 信息比率信息比率Calmar比率比率相对基准相对基准月胜率月胜率月均双边月均双边换手率换手率Stacking中证 50034.34%29.99%1.1449.32%33.19%9.18%11.86%3.622.8075.00%148.38%SVM中证 50014.81%28.47%0.5246.88%13.48%7.28%14.23%1.850.9565.91%113.33%朴素贝叶斯中证 50023.30%26.29%0.8947.56%20.88%9.86%11.11%2.121.8867.05%112.18%随机森林中证 50024.04%28.53%0.8455.00%22.40%9.49%21.43%2.361.0563.64%145.88%XGBoost中证 50028.46%27.65%1.0350.96%26.50%9.15%19.75%2.901.3469.32%147.58%逻辑回归中证 50018.95%26.72%0.7151.03%16.91%8.34%10.68%2.031.5865.91%135.96%神经网络中证 50013.57%27.46%0.4949.86%11.85%8.25%13.35%1.440.8963.64%171.28%中证 500中证 5001.32%27.00%0.0555.92%资料来源：Wind，华泰证券研究所图表 4 显示了最近一季度华泰人工智能选股策略（全 A 选股，非行业中性）净值表现。图表图表4：华泰人工智能选股策略最近一季度净值表现（全华泰人工智能选股策略最近一季度净值表现（全 A选股，非行业中性）选股，非行业中性）资料来源：Wind，华泰证券研究所我们在 Wind 组合管理（PMS）平台上建立了模拟组合，每个月底选择最近 3 个月表现最好的模型构建组合并上传到 PMS，组合名称关键字为“华泰 AI选股（全 A 非行业中性）”，欢迎搜索关注。0.850.90.9511.051.11.152018/3/112018/3/212018/3/312018/4/102018/4/202018/4/302018/5/102018/5/202018/5/302018/6/92018/6/192018/6/29StackingSVM朴素贝叶斯随机森林XGBoost逻辑回归神经网络沪深300中证500金工研究/量化投资周报|2018 年 06 月 24 日谨请参阅尾页重要声明及华泰证券股票和行业评级标准5华泰人工智能全华泰人工智能全 A 选股选股（沪深（沪深 300 行业中性行业中性）策略表现）策略表现本周沪深 300 涨跌幅为-3.85%。本周 1 个人工智能组合跑赢基准，超额收益最高的策略是随机森林，该策略本周获得绝对收益-3.70%，超额收益 0.15%。最近三月超额收益最高的策略是随机森林，该策略最近三月获得绝对收益-11.44%，超额收益-1.20%。最近一年超额收益最高的策略是朴素贝叶斯，该策略最近一年获得绝对收益-3.31%，超额收益-3.83%。图表 5 展示了各个策略在各时间段的表现。图表图表5：华泰人工智能选股策略收益（全华泰人工智能选股策略收益（全 A选股，沪深选股，沪深300行业中性）行业中性）本周本周（2018/06/19 至至2018/06/22）最近一月最近一月（2018/05/22 至至2018/06/22）最近三月最近三月（2018/03/22 至至2018/06/22）最近半年最近半年（2017/12/22 至至2018/06/22）最近一年最近一年（2017/06/22 至至2018/06/22）策略名称策略名称绝对收益绝对收益超额收益超额收益（HS300）绝对收益绝对收益超额收益超额收益（HS300）绝对收益绝对收益超额收益超额收益（HS300）绝对收益绝对收益超额收益超额收益（HS300）绝对收益绝对收益超额收益超额收益（HS300）Stacking-4.27%-0.42%-15.08%-7.47%-15.96%-5.72%-14.20%-3.21%-12.61%-13.13%SVM-5.51%-1.66%-12.61%-5.00%-12.74%-2.50%-12.93%-1.94%-10.73%-11.25%朴素贝叶斯-4.34%-0.49%-10.76%-3.15%-11.51%-1.27%-11.77%-0.77%-3.31%-3.83%随机森林-3.70%0.15%-11.13%-3.52%-11.44%-1.20%-10.12%0.87%-8.16%-8.68%XGBoost-4.01%-0.16%-11.70%-4.08%-11.56%-1.33%-10.01%0.98%-6.98%-7.49%逻辑回归-4.83%-0.98%-12.99%-5.38%-12.77%-2.53%-13.98%-2.99%-11.59%-12.11%神经网络-6.70%-2.85%-13.90%-6.29%-14.26%-4.02%-17.95%-6.96%-15.25%-15.77%沪深 300-3.85%-7.61%-10.23%-10.99%0.52%资料来源：Wind，华泰证券研究所图表 6 和图表 7 显示了 2011 年至今华泰人工智能选股策略（全 A 选股，沪深 300 行业中性）的超额收益表现和绩效。其中 Stacking 获得最高的信息比率 1.83。图表图表6：华泰人工智能选股策略超额收益（全华泰人工智能选股策略超额收益（全 A选股，沪深选股，沪深 300行业中性）行业中性）资料来源：Wind，华泰证券研究所-50%0%50%100%150%200%250%300%350%400%2011/2/12011/8/202012/3/72012/9/232013/4/112013/10/282014/5/162014/12/22015/6/202016/1/62016/7/242017/2/92017/8/282018/3/16StackingSVM朴素贝叶斯随机森林XGBoost逻辑回归神经网络金工研究/量化投资周报|2018 年 06 月 24 日谨请参阅尾页重要声明及华泰证券股票和行业评级标准6图表图表7：华泰人工智能选股策略绩效（全华泰人工智能选股策略绩效（全 A选股，沪深选股，沪深300行业中性）行业中性）策略名称策略名称比较基准比较基准年化收益率年化收益率 年化波动率年化波动率夏普比率夏普比率 最大回撤最大回撤年化超额收年化超额收益率益率年化跟踪年化跟踪误差误差超额收益超额收益最大回撤最大回撤 信息比率信息比率Calmar比率比率相对基准相对基准月胜率月胜率月均双边月均双边换手率换手率Stacking沪深 30022.25%25.59%0.8743.42%19.70%10.74%24.65%1.830.8073.86%127.36%SVM沪深 30011.29%25.30%0.4545.31%9.04%9.36%26.70%0.970.3464.77%94.85%朴素贝叶斯沪深 30014.77%23.54%0.6343.82%12.07%8.22%10.75%1.471.1267.05%99.92%随机森林沪深 30013.80%24.83%0.5649.13%11.28%10.13%20.92%1.110.5463.64%138.45%XGBoost沪深 30017.20%24.11%0.7147.32%14.42%9.94%18.61%1.450.7767.05%130.84%逻辑回归沪深 30014.03%23.66%0.5945.97%11.24%9.64%23.91%1.170.4763.64%114.92%神经网络沪深 3007.72%24.10%0.3244.98%5.16%9.88%25.64%0.520.2062.50%154.20%沪深 3002.18%23.08%0.0946.70%资料来源：Wind，华泰证券研究所图表 8 显示了最近一季度华泰人工智能选股策略（全 A 选股，沪深 300 行业中性）净值表现。图表图表8：华泰人工智能选股策略最近一季度净值表现（全华泰人工智能选股策略最近一季度净值表现（全 A选股，沪深选股，沪深300行业中性）行业中性）资料来源：Wind，华泰证券研究所我们在 Wind 组合管理（PMS）平台上建立了模拟组合，每个月底选择最近 3 个月表现最好的模型构建组合并上传到 PMS，组合名称关键字为“华泰 AI选股（全 A沪深 300 行业中性）”，欢迎搜索关注。0.850.90.9511.051.12018/3/112018/3/212018/3/312018/4/102018/4/202018/4/302018/5/102018/5/202018/5/302018/6/92018/6/192018/6/29StackingSVM朴素贝叶斯随机森林XGBoost逻辑回归神经网络沪深300中证500金工研究/量化投资周报|2018 年 06 月 24 日谨请参阅尾页重要声明及华泰证券股票和行业评级标准7华华泰人工智能全泰人工智能全 A 选股选股（中证（中证 500 行业中性行业中性）策略表现）策略表现本周中证 500 涨跌幅为-5.90%。本周 5 个人工智能组合跑赢基准，超额收益最高的策略是 Stacking，该策略本周获得绝对收益-3.89%，超额收益 2.01%。最近三月超额收益最高的策略是随机森林，该策略最近三月获得绝对收益-9.42%，超额收益 6.01%。最近一年超额收益最高的策略是随机森林，该策略最近一年获得绝对收益-2.25%，超额收益 11.64%。图表 9 展示了各个策略在各时间段的表现。图表图表9：华泰人工智能选股策略收益（全华泰人工智能选股策略收益（全 A选股，中证选股，中证500行业中性）行业中性）本周本周（2018/06/19 至至2018/06/22）最近一月最近一月（2018/05/22 至至2018/06/22）最近三月最近三月（2018/03/22 至至2018/06/22）最近半年最近半年（2017/12/22 至至2018/06/22）最近一年最近一年（2017/06/22 至至2018/06/22）策略名称策略名称绝对收益绝对收益超额收益超额收益（ZZ500）绝对收益绝对收益超额收益超额收益（ZZ500）绝对收益绝对收益超额收益超额收益（ZZ500）绝对收益绝对收益超额收益超额收益（ZZ500）绝对收益绝对收益超额收益超额收益（ZZ500）Stacking-3.89%2.01%-14.73%0.58%-13.50%1.92%-10.35%7.00%-5.79%8.09%SVM-5.95%-0.04%-13.72%1.59%-11.92%3.50%-12.61%4.74%-11.38%2.51%朴素贝叶斯-5.44%0.46%-14.40%0.91%-12.91%2.51%-14.17%3.18%-10.87%3.02%随机森林-4.00%1.91%-11.97%3.34%-9.42%6.01%-6.04%11.31%-2.25%11.64%XGBoost-4.51%1.40%-12.69%2.62%-10.09%5.33%-6.90%10.44%-4.30%9.59%逻辑回归-5.55%0.36%-15.86%-0.55%-13.72%1.71%-17.20%0.14%-16.30%-2.42%神经网络-7.15%-1.25%-15.88%-0.57%-15.16%0.27%-16.32%1.03%-10.18%3.71%中证 500-5.90%-15.31%-15.42%-17.34%-13.89%资料来源：Wind，华泰证券研究所图表 10 和图表 11 显示了 2011 年至今华泰人工智能选股策略（全 A选股，中证 500 行业中性）的超额收益表现和绩效。其中 Stacking 获得最高的信息比率 3.67。图表图表10：华泰人工智能选股超额收益（全华泰人工智能选股超额收益（全 A选股，中证选股，中证500行业中性）行业中性）资料来源：Wind，华泰证券研究所-100%0%100%200%300%400%500%600%2011/2/12011/8/202012/3/72012/9/232013/4/112013/10/282014/5/162014/12/22015/6/202016/1/62016/7/242017/2/92017/8/282018/3/16StackingSVM朴素贝叶斯随机森林XGBoost逻辑回归神经网络金工研究/量化投资周报|2018 年 06 月 24 日谨请参阅尾页重要声明及华泰证券股票和行业评级标准8图表图表11：华泰人工智能选股策略绩效（全华泰人工智能选股策略绩效（全 A选股，中证选股，中证500行业中性）行业中性）策略名称策略名称比较基准比较基准年化收益率年化收益率 年化波动率年化波动率夏普比率夏普比率 最大回撤最大回撤年化超额收年化超额收益率益率年化跟年化跟踪误差踪误差超额收益最超额收益最大回撤大回撤 信息比率信息比率Calmar比率比率相对基准相对基准月胜率月胜率月均双边月均双边换手率换手率Stacking中证 50030.08%29.24%1.0347.07%28.82%7.85%8.92%3.673.2379.55%141.77%SVM中证 50014.50%27.91%0.5249.34%13.11%5.83%11.32%2.251.1671.59%111.63%朴素贝叶斯中证 50016.64%26.70%0.6248.06%14.81%6.28%6.88%2.362.1575.00%115.72%随机森林中证 50020.25%28.40%0.7154.72%18.81%7.65%16.02%2.461.1772.73%144.41%XGBoost中证 50023.91%27.57%0.8751.28%22.18%7.13%10.78%3.112.0673.86%140.52%逻辑回归中证 50018.57%26.87%0.6949.67%16.69%7.02%10.57%2.381.5870.45%136.07%神经网络中证 50013.16%27.66%0.4849.66%11.62%7.03%8.36%1.651.3967.05%166.10%中证 5001.32%27.00%0.0555.92%资料来源：Wind，华泰证券研究所图表 12 显示了最近一季度人工智能选股策略（全 A选股，中证 500 行业中性）净值表现。图表图表12：华泰人工智能选股策略最近一季度净值表现（全华泰人工智能选股策略最近一季度净值表现（全 A选股，中证选股，中证500行业中性）行业中性）资料来源：Wind，华泰证券研究所我们在 Wind 组合管理（PMS）平台上建立了模拟组合，每个月底选择最近 3 个月表现最好的模型构建组合并上传到 PMS，组合名称关键字为“华泰 AI选股（全 A中证 500 行业中性）”，欢迎搜索关注。0.850.90.9511.051.12018/3/112018/3/212018/3/312018/4/102018/4/202018/4/302018/5/102018/5/202018/5/302018/6/92018/6/192018/6/29StackingSVM朴素贝叶斯随机森林XGBoost逻辑回归金工研究/量化投资周报|2018 年 06 月 24 日谨请参阅尾页重要声明及华泰证券股票和行业评级标准9华泰人工智能沪深华泰人工智能沪深 300 指数内选股策略表现指数内选股策略表现本周沪深 300 涨跌幅为-3.85%。本周 2 个人工智能组合跑赢基准，超额收益最高的策略是逻辑回归，该策略本周获得绝对收益-3.37%，超额收益 0.48%。最近三月超额收益最高的策略是随机森林，该策略最近三月获得绝对收益-8.53%，超额收益 1.71%。最近一年超额收益最高的策略是逻辑回归，该策略最近一年获得绝对收益 3.61%，超额收益 3.09%。图表 13 展示了各个策略在各时间段的表现。图表图表13：华泰人工智能选股策略收益（沪深华泰人工智能选股策略收益（沪深 300指数内选股）指数内选股）本周本周（2018/06/19 至至2018/06/22）最近一月最近一月（2018/05/22 至至2018/06/22）最近三月最近三月（2018/03/22 至至2018/06/22）最近半年最近半年（2017/12/22 至至2018/06/22）最近一年最近一年（2017/06/22 至至2018/06/22）策略名称策略名称绝对收益绝对收益超额收益超额收益（HS300）绝对收益绝对收益超额收益超额收益（HS300）绝对收益绝对收益超额收益超额收益（HS300）绝对收益绝对收益超额收益超额收益（HS300）绝对收益绝对收益超额收益超额收益（HS300）SVM-3.58%0.27%-6.95%0.67%-10.38%-0.15%-11.89%-0.90%-4.34%-4.85%朴素贝叶斯-4.26%-0.41%-9.10%-1.49%-12.91%-2.68%-11.54%-0.54%1.74%1.23%随机森林-3.97%-0.11%-7.87%-0.26%-8.53%1.71%-10.05%0.94%1.71%1.19%XGBoost-4.68%-0.83%-9.22%-1.61%-11.20%-0.96%-12.32%-1.33%-1.92%-2.44%逻辑回归-3.37%0.48%-8.00%-0.39%-9.69%0.55%-7.90%3.10%3.61%3.09%沪深 300-3.85%-7.61%-10.23%-10.99%0.52%资料来源：Wind，华泰证券研究所图表 14 和图表 15 显示了 2011 年至今华泰人工智能选股策略（沪深 300 指数内选股）的超额收益表现和绩效。其中逻辑回归获得最高的信息比率 1.06。图表图表14：华泰人工智能选股策略超额收益（沪深华泰人工智能选股策略超额收益（沪深 300指数内选股）指数内选股）资料来源：Wind，华泰证券研究所-20%0%20%40%60%2011/2/12012/3/72013/4/112014/5/162015/6/202016/7/242017/8/28SVM朴素贝叶斯随机森林XGBoost逻辑回归金工研究/量化投资周报|2018 年 06 月 24 日谨请参阅尾页重要声明及华泰证券股票和行业评级标准10图表图表15：华泰人工智能选股策略绩效（沪深华泰人工智能选股策略绩效（沪深 300指数内选股）指数内选股）策略名称策略名称比较基准比较基准年化收益率年化收益率 年化波动率年化波动率夏普比率夏普比率 最大回撤最大回撤年化超额收年化超额收益率益率年化跟踪年化跟踪误差误差超额收益超额收益最大回撤最大回撤 信息比率信息比率Calmar比率比率相对基准相对基准月胜率月胜率月均双边月均双边换手率换手率SVM沪深 3005.92%23.73%0.2543.29%3.71%4.52%10.12%0.820.3754.55%103.96%朴素贝叶斯沪深 3005.63%23.43%0.2448.46%3.33%4.88%12.50%0.680.2760.23%90.59%随机森林沪深 3005.01%23.87%0.2143.66%2.84%4.91%10.10%0.580.2856.82%123.77%XGBoost沪深 3002.94%24.08%0.1247.99%0.85%5.15%15.40%0.160.0551.14%131.88%逻辑回归沪深 3008.07%24.24%0.3347.16%5.90%5.54%7.93%1.060.7463.64%97.17%沪深 3002.18%23.08%0.0946.70%资料来源：Wind，华泰证券研究所图表 16 显示了最近一季度华泰人工智能选股策略（沪深 300 指数内选股）净值表现。图表图表16：华泰人工智能选股策略最近一季度净值表现（沪深华泰人工智能选股策略最近一季度净值表现（沪深 300指数内选股）指数内选股）资料来源：Wind，华泰证券研究所我们在 Wind 组合管理（PMS）平台上建立了模拟组合，每个月底选择最近 3 个月表现最好的模型构建组合并上传到 PMS，组合名称关键字为“华泰 AI选股（沪深 300 指数内选股）”，欢迎搜索关注。0.80.850.90.9511.051.12018/3/112018/3/212018/3/312018/4/102018/4/202018/4/302018/5/102018/5/202018/5/302018/6/92018/6/192018/6/29SVM朴素贝叶斯随机森林XGBoost逻辑回归沪深300中证500金工研究/量化投资周报|2018 年 06 月 24 日谨请参阅尾页重要声明及华泰证券股票和行业评级标准11华泰人工智能中证华泰人工智能中证 500 指数内选股策略表现指数内选股策略表现本周中证 500 涨跌幅为-5.90%。本周 5 个人工智能组合跑赢基准，超额收益最高的策略是逻辑回归，该策略本周获得绝对收益-5.04%，超额收益 0.86%。最近三月超额收益最高的策略是随机森林，该策略最近三月获得绝对收益-12.92%，超额收益 2.50%。最近一年超额收益最高的策略是 SVM，该策略最近一年获得绝对收益-9.04%，超额收益 4.85%。图表 17 展示了各个策略在各时间段的表现。图表图表17：华泰人工智能选股策略收益（中证华泰人工智能选股策略收益（中证 500指数内选股）指数内选股）本周本周（2018/06/19 至至2018/06/22）最近一月最近一月（2018/05/22 至至2018/06/22）最近三月最近三月（2018/03/22 至至2018/06/22）最近半年最近半年（2017/12/22 至至2018/06/22）最近一年最近一年（2017/06/22 至至2018/06/22）策略名称策略名称绝对收益绝对收益超额收益超额收益（ZZ500）绝对收益绝对收益超额收益超额收益（ZZ500）绝对收益绝对收益超额收益超额收益（ZZ500）绝对收益绝对收益超额收益超额收益（ZZ500）绝对收益绝对收益超额收益超额收益（ZZ500）SVM-5.70%0.20%-13.97%1.34%-13.48%1.95%-15.56%1.78%-9.04%4.85%朴素贝叶斯-5.43%0.48%-14.37%0.94%-14.38%1.04%-14.95%2.39%-12.26%1.63%随机森林-5.10%0.80%-13.74%1.57%-12.92%2.50%-14.56%2.78%-11.20%2.69%XGBoost-5.15%0.75%-13.58%1.72%-13.22%2.21%-14.39%2.96%-12.22%1.67%逻辑回归-5.04%0.86%-14.75%0.56%-15.96%-0.53%-17.09%0.26%-14.67%-0.78%中证 500-5.90%-15.31%-15.42%-17.34%-13.89%资料来源：Wind，华泰证券研究所图表 18 和图表 19 显示了 2011 年至今华泰人工智能选股策略（中证 500 指数内选股）的超额收益表现和绩效。其中逻辑回归获得最高的信息比率 1.58。图表图表18：华泰人工智能选股策略超额收益表现（中证华泰人工智能选股策略超额收益表现（中证 500指数内选股）指数内选股）资料来源：Wind，华泰证券研究所-10%0%10%20%30%40%50%60%70%2011/2/12011/8/202012/3/72012/9/232013/4/112013/10/282014/5/162014/12/22015/6/202016/1/62016/7/242017/2/92017/8/282018/3/16SVM朴素贝叶斯随机森林XGBoost逻辑回归金工研究/量化投资周报|2018 年 06 月 24 日谨请参阅尾页重要声明及华泰证券股票和行业评级标准12图表图表19：华泰人工智能选股策略绩效（中证华泰人工智能选股策略绩效（中证 500指数内选股）指数内选股）策略名称策略名称比较基准比较基准年化收益率年化收益率 年化波动率年化波动率夏普比率夏普比率 最大回撤最大回撤年化超额收年化超额收益率益率年化跟踪年化跟踪误差误差超额收益超额收益最大回撤最大回撤 信息比率信息比率Calmar比率比率相对基准相对基准月胜率月胜率月均双边月均双边换手率换手率SVM中证 5004.29%26.73%0.1651.17%2.78%3.75%5.42%0.740.5163.64%75.04%朴素贝叶斯中证 5008.22%26.67%0.3146.89%6.61%4.24%4.68%1.561.4159.09%71.23%随机森林中证 5006.19%26.85%0.2348.03%4.66%4.17%7.24%1.120.6459.09%91.62%XGBoost中证 5005.40%27.04%0.2048.95%3.95%4.07%7.62%0.970.5259.09%97.40%逻辑回归中证 5008.48%26.58%0.3246.86%6.84%4.33%3.65%1.581.8764.77%74.03%中证 5001.32%27.00%0.0555.92%资料来源：Wind，华泰证券研究所图表 20 显示了最近一季度华泰人工智能选股策略（中证 500 指数内选股）净值表现。图表图表20：华泰人工智能选股策略华泰人工智能选股策略最近一季度最近一季度净值表现（中证净值表现（中证500指数内选股）指数内选股）资料来源：Wind，华泰证券研究所我们在 Wind 组合管理（PMS）平台上建立了模拟组合，每个月底选择最近 3 个月表现最好的模型构建组合并上传到 PMS，组合名称关键字为“华泰 AI选股（中证 500 指数内选股）”，欢迎搜索关注。0.850.90.9511.051.12018/3/112018/3/212018/3/312018/4/102018/4/202018/4/302018/5/102018/5/202018/5/302018/6/92018/6/192018/6/29SVM朴素贝叶斯随机森林XGBoost逻辑回归沪深300金工研究/量化投资周报|2018 年 06 月 24 日谨请参阅尾页重要声明及华泰证券股票和行业评级标准13华泰人工智能华泰人工智能选股选股策略简介策略简介本报告所涉及的所有机器学模型的详细介绍，可参见华泰人工智能系列报告：1.人工智能选股框架及经典算法简介2.人工智能选股之广义线性模型3.人工智能选股之支持向量机模型4.人工智能选股之朴素贝叶斯模型5.人工智能选股之随机森林模型6.人工智能选股之 Boosting 模型7.人工智能选股之 Python 实战8.人工智能选股之全连接神经网络9.人工智能选股之循环神经网络模型10.宏观周期指标应用于随机森林选股11.人工智能选股之 Stacking 集成学习机器学习模型运用到多因子选股的流程机器学习模型运用到多因子选股的流程图表图表21：机器学习模型运用到多因子选股的流程机器学习模型运用到多因子选股的流程资料来源：华泰证券研究所1 数据获取：a)股票池：沪深 300 成份股/中证 500 成份股/全 A股。剔除 ST股票，剔除每个截面期下一交易日停牌的股票，剔除上市 3 个月内的股票，每只股票视作一个样本。b)训练样本长度：Stacking：74 个月；其他模型：6 个月。2 特征和标签提取：每个自然月的最后一个交易日，计算 70 个因子暴露度，作为样本的原始特征；计算下一整个自然月的个股超额收益（以沪深 300 指数为基准），作为样本的标签。因子池如图表 22 所示。金工研究/量化投资周报|2018 年 06 月 24 日谨请参阅尾页重要声明及华泰证券股票和行业评级标准143 特征预处理：a)中位数去极值：设第 T 期某因子在所有个股上的暴露度序列为，为该序列中位数，1为序列|的中位数，则将序列中所有大于+51的数重设为+51，将序列中所有小于 51的数重设为 51；b)缺失值处理：得到新的因子暴露度序列后，将因子暴露度缺失的地方设为中信一级行业相同个股的平均值。c)行业市值中性化：将填充缺失值后的因子暴露度对行业哑变量和取对数后的市值做线性回归，取残差作为新的因子暴露度。d)标准化：将中性化处理后的因子暴露度序列减去其现在的均值、除以其标准差，得到一个新的近似服从N(0,1)分布的序列。4 训练集和交叉验证集的合成：a)分类问题：在每个月末截面期，选取下月收益排名前 30%的股票作为正例（=1），后 30%的股票作为负例（=0）。将训练样本合并，随机选取 90%的样本作为训练集，余下 10%的样本作为交叉验证集。b)回归问题：直接将样本合并成为样本内数据，同样按 90%和 10%的比例划分训练集和交叉验证集。5 样本内训练：使用机器学习模型对训练集进行训练。6 交叉验证调参：模型训练完成后，使用模型对交叉验证集进行预测。选取交叉验证集AUC（或平均 AUC）最高的一组参数作为模型的最优参数。7 样本外测试：确定最优参数