华泰证券-人工智能选股周报：节前一周沪深300内选股表现较好-200201

《华泰证券-人工智能选股周报：节前一周沪深300内选股表现较好-200201（17页）.pdf》由会员分享，可在线阅读，更多相关《华泰证券-人工智能选股周报：节前一周沪深300内选股表现较好-200201（17页）.pdf（17页精品完整版）》请在悟空智库报告文库上搜索。

　　节前一周沪深300内选股模型超额收益表现较好
　　节前一周沪深300内选股模型超额收益表现较好，有4个机器学习模型跑赢基准。自2019年3月23日开始，本周报对XGBoost中证500增强模型（半月频调仓）进行深度跟踪。2011年回测以来，该模型年化超额收益率为17.04%，超额收益最大回撤为5.06%，信息比率为3.19。2020年以来获得绝对收益-0.52%，超额收益-2.61%。节前一周模型获得绝对收益-3.18%，超额收益-0.77%。
　　2019年以来全A选股（沪深300行业市值中性）Stacking表现最好
　　节前一周沪深300涨跌幅为-3.63%。节前一周3个模型跑赢基准，超额收益最高的模型是Stacking，该模型节前一周获得绝对收益-3.23%，超额收益0.41%。最近一月超额收益最高的模型是逻辑回归，该模型最近一月获得绝对收益1.18%，超额收益0.25%。2019年以来超额收益最高的模型是逻辑回归，该模型2019年以来获得绝对收益38.63%，超额收益3.80%。2019年以来RankIC均值最高的模型是随机森林，该模型RankIC均值为0.123。
　　2019年以来全A选股（中证500行业市值中性）Stacking表现最好
　　节前一周中证500涨跌幅为-2.40%。节前一周超额收益最高的模型是Stacking，该模型节前一周获得绝对收益-3.44%，超额收益-1.04%。最近一月超额收益最高的模型是Stacking，该模型最近一月获得绝对收益2.83%，超额收益-2.94%。2019年以来超额收益最高的模型是Stacking，该模型2019年以来获得绝对收益38.06%，超额收益7.91%。2019年以来RankIC均值最高的模型是随机森林，该模型RankIC均值为0.123。
　　2019年以来沪深300指数内选股XGBoost表现最好
　　节前一周沪深300涨跌幅为-3.63%。节前一周4个模型跑赢基准，超额收益最高的模型是XGBoost，该模型节前一周获得绝对收益-3.13%，超额收益0.51%。最近一月超额收益最高的模型是SVM，该模型最近一月获得绝对收益1.53%，超额收益0.60%。2019年以来超额收益最高的模型是XGBoost，该模型2019年以来获得绝对收益33.52%，超额收益-1.31%。2019年以来RankIC均值最高的模型是XGBoost，该模型RankIC均值为0.038。
　　2019年以来中证500指数内选股SVM表现最好
　　节前一周中证500涨跌幅为-2.40%。节前一周超额收益最高的模型是SVM，该模型节前一周获得绝对收益-2.59%，超额收益-0.19%。最近一月超额收益最高的模型是SVM，该模型最近一月获得绝对收益5.79%，超额收益0.02%。2019年以来超额收益最高的模型是SVM，该模型2019年以来获得绝对收益33.92%，超额收益3.77%。2019年以来RankIC均值最高的模型是逻辑回归，该模型RankIC均值为0.082。
　　2019年以来中证800指数内选股XGBoost表现最好
　　节前一周中证800涨跌幅为-3.33%。节前一周3个模型跑赢基准，超额收益最高的模型是XGBoost，该模型节前一周获得绝对收益-3.16%，超额收益0.18%。最近一月超额收益最高的模型是XGBoost，该模型最近一月获得绝对收益1.94%，超额收益-0.13%。2019年以来超额收益最高的模型是XGBoost，该模型2019年以来获得绝对收益34.25%，超额收益0.52%。2019年以来RankIC均值最高的模型是逻辑回归，该模型RankIC均值为0.064。
　　风险提示：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。人工智能模型可解释程度较低，使用须谨慎。