【华泰金工林晓明团队】华泰人工智能研究5周年回顾

（以下内容从华泰证券《【华泰金工林晓明团队】华泰人工智能研究5周年回顾》研报附件原文摘录）
　　林晓明 S0570516010001 研究员 SFC No. BPY421 陈 烨 S0570521110001 研究员 李子钰 S0570519110003 研究员 SFC No. BRV743 何 康 S0570520080004 研究员 SFC No. BRB318 王晨宇 S0570522010001 研究员 陈 伟 S0570121070169 联系人 报告发布时间：2022年6月1日 摘要 华泰人工智能研究5周年回顾 近年来，人工智能在量化投资领域已取得令人瞩目的成绩，同时也伴随诸多争议，机遇与挑战并存。作为人工智能量化研究的先行者，华泰金工团队2017年6月1日以来陆续发布深度报告56篇，涵盖模型测试、因子挖掘、另类数据、对抗过拟合、生成对抗网络、综合六大主题。正值首篇研报发布5周年之际，我们对系列研究进行回顾，述往事，思来者。 模型测试主题 模型测试是系列早期侧重的主题。2017年我们测试广义线性模型、支持向量机、决策树、神经网络等模型的选股效果，发现随机森林、XGBoost这两类决策树集成模型较为适合多因子选股场景，兼具拟合能力强、稳定性好、训练效率高等优点。近期我们关注深度学习研究热点——图神经网络。传统模型将股票视作互不相关的个体，图神经网络可以学习股票间相互影响，为预测提供增量信息。 因子挖掘、另类数据主题 持续迭代的因子库是多因子模型长期有效运作的基石。2019年6月，我们展示遗传规划在量价选股因子挖掘中的详细流程，并且持续探索改进方案，近期将算法拓展至一致预期因子挖掘。2020年6月，我们构建全新的因子挖掘神经网络AlphaNet，实现端到端的因子自动挖掘和合成，随后从网络结构、特征、损失函数等方向加以改进，样本外跟踪表现出色。基于基本面、行情等结构化数据构建的常规因子面临拥挤困境，另类数据或是破局关键。2020年起，我们借助自然语言处理、注意力机制等深度学习技术，从海量分析师研报、新闻舆情文本中发掘微言大义。 对抗过拟合、生成对抗网络、综合主题 投资者对人工智能的质疑集中于过拟合和黑箱，我们提供丰富的工具加以应对。金融市场数据量有限，过拟合难以避免，生成对抗网络（GAN）可以生成假数据，有助于我们训练模型和理解市场。我们还探索特征选择、另类标签、因果推断、无监督学习在投资中的应用。近期我们还将组合优化融入神经网络，实现端到端的量化投资全流程。我们也透过微软亚洲研究院AI量化研究，展望行业发展六大趋势。 华泰人工智能系列的初心 人工智能并不神秘。其本质是以数理模型为核心工具，结合控制论、认知心理学等学科的研究成果，最终由计算机模拟人类的感知、推理、学习、决策过程。人工智能并非万能。现实世界高度复杂，任何模型相对于整个世界都太过简单。世界时刻处于演化中，没有任何模型能长期有效，必须同步保持更新。华泰人工智能系列的愿景，是通过切实的研究与实践，澄清人们对人工智能的误解和偏见，帮助人们更清晰地认识人工智能的长处和局限，从而更合理、高效地将人工智能运用于投资。回顾过往56篇研究，我们秉持了这一份初心，也希望为读者带来了启发。 风险提示：人工智能挖掘市场规律是对历史的总结，市场规律在未来可能失效。人工智能技术存在过拟合风险。 华泰人工智能研究5周年回顾 近年来，人工智能在量化投资领域已取得令人瞩目的成绩，同时也伴随诸多争议，机遇与挑战并存。作为人工智能量化研究的先行者，华泰金融工程团队2017年6月1日以来陆续发布深度报告56篇，涵盖模型测试、因子挖掘、另类数据、对抗过拟合、生成对抗网络、综合六大主题。正值首篇研报发布5周年之际，我们对系列研究进行回顾，述往事，思来者。 系列研究大事记 2017年6月1日，《人工智能1：人工智能选股框架及经典算法简介》发布，开启模型测试主题。 2017年10月10日，首场人工智能Python培训在北京举办。 2018年1月2日，首篇人工智能周报发布，每周跟踪人工智能选股策略表现。 2018年11月28日，《人工智能14：对抗过拟合：从时序交叉验证谈起》发布，开启对抗过拟合主题。 2019年6月10日，《人工智能21：基于遗传规划的选股因子挖掘》发布，开启因子挖掘主题。 2020年5月8日，《人工智能31：生成对抗网络GAN初探》发布，开启生成对抗网络主题。 2020年5月26日，《AI开辟量化新航线》专题路演上线华泰机构服务平台行知。 2020年6月14日，《人工智能32：AlphaNet：因子挖掘神经网络》发布。 2020年10月22日，《人工智能37：舆情因子和BERT情感分类模型》发布，开启另类数据主题。 2020年12月15日，交易机会评分数据上线华泰金融数据服务平台INSIGHT。 2021年4月13日，AlphaNet因子数据上线INSIGHT。 2021年9月27日，人工智能选股策略数据库上线行知。 2021年10月22日，AI炼金术第一期《左右互搏的“GAN”》上线行知。 2022年4月29日，研究所和宽邦科技、亚马逊云科技、朝阳永续、金融阶联合撰写的《2021年中国量化投资白皮书》正式发布，在呈现量化金融领域当前发展现状同时，从人工智能、另类数据、高频交易等方面展望量化投资未来前景。 模型测试主题 模型测试是系列早期侧重的主题。多因子选股和机器学习在形式上匹配，是机器学习应用于量化投资的较好切入点。2017年，我们测试广义线性模型、支持向量机、决策树、神经网络等模型的选股效果，发现随机森林、XGBoost这两类决策树集成模型较为适合多因子选股场景，兼具拟合能力强、稳定性好、训练效率高等优点。 近期我们关注深度学习研究热点——图神经网络。传统模型将股票视作互不相关的个体，而图神经网络可以学习股票间相互影响，为预测提供增量信息。我们构建的残差图注意力网络回测效果较好，并且与传统机器学习相关度低。目前在人工智能周报定期跟踪，回测期内（2011-01-04至2022-05-27）相对中证500指数年化超额收益率15.6%，信息比率2.53，和XGBoost模型日度超额收益相关度仅为0.12。 因子挖掘主题 持续迭代的因子库是多因子模型长期运作的基石。2019年6月，我们展示遗传规划在量价选股因子挖掘中的详细流程，并持续探索改进方案，近期将算法拓展至一致预期因子挖掘。2020年6月，我们构建全新的因子挖掘神经网络AlphaNet，实现端到端的因子自动挖掘和合成，随后从网络结构、特征、损失函数等方向加以改进，样本外跟踪表现出色。 另类数据主题 基于基本面、行情等结构化数据构建的常规因子面临拥挤困境，另类数据或成为破局关键。2020年起，我们借助自然语言处理、注意力机制等深度学习技术，尝试从海量分析师研报、新闻舆情文本中发掘微言大义，构建分析师研报情感、SUE.txt等选股因子及策略。 对抗过拟合主题 投资者对人工智能的质疑集中于过拟合和黑箱，我们提供丰富的工具加以应对：时序交叉验证相比传统交叉验证方法更适用于金融时序数据；重采样技术基于真实数据构建“平行世界”，检验策略参数过拟合概率；组合对称交叉验证（CSCV）是更为简单易行的过拟合检验流程；SHAP、ICE、SDT等模型可解释性工具能够揭示机器学习的“思考”过程。 生成对抗网络主题 金融市场数据量有限，过拟合难以避免，生成对抗网络（GAN）可以生成假数据，有助于我们训练模型和理解市场。GAN是当前深度学习热门领域，通过判别器和生成器的“左右互搏”，实现海量数据模拟。从最初的GAN单资产生成出发，我们测试WGAN、RGAN、DCGAN、SinGAN等变式，并将功能拓展至多资产生成和宏观指标生成，最终应用于资产配置、策略调参等实践场景。 综合主题 我们还探索特征选择、另类标签、因果推断、无监督学习在投资中的应用。《人工智能52：神经网络组合优化初探》（2022-01-09）中，我们将组合优化融入神经网络，打通因子生成、多因子合成、组合优化这三个量化投资的重要步骤，实现端到端的量化投资全流程。《人工智能53：揭秘微软AI量化研究》（2022-01-12）中，我们透过微软亚洲研究院AI量化研究，展望行业发展六大趋势。 结语 人工智能并不神秘。其本质是以数理模型为核心工具，结合控制论、认知心理学等学科的研究成果，最终由计算机模拟人类的感知、推理、学习、决策过程。 人工智能并非万能。现实世界高度复杂，任何模型相对于整个世界都太过简单。世界时刻处于演化中，没有任何模型能长期有效，需要同步保持更新。 人工智能机遇与挑战并存。AI技术在量化行业的使用已是如火如荼，GPU、平台、算法枕戈待旦，但究竟是“人工智能”还是“人肉智能”争议不断，一遇回撤便喜提热搜。 正如我们在系列开篇研报里所写，华泰人工智能系列的愿景，是通过切实的研究与实践，澄清人们对人工智能的误解和偏见，帮助人们更清晰地认识人工智能的长处和局限，从而更合理、高效地将人工智能运用于投资。回顾过往56篇研究，我们秉持了这一份初心，也希望为读者带来了启发。 5年弹指一挥间，愿与各位读者共同迈向下一个5年。 风险提示 人工智能挖掘市场规律是对历史的总结，市场规律在未来可能失效。人工智能技术存在过拟合风险。 免责声明与评级说明 公众平台免责声明 本公众平台不是华泰证券研究所官方订阅平台。相关观点或信息请以华泰证券官方公众平台为准。根据《证券期货投资者适当性管理办法》的相关要求，本公众号内容仅面向华泰证券客户中的专业投资者，请勿对本公众号内容进行任何形式的转发。若您并非华泰证券客户中的专业投资者，请取消关注本公众号，不再订阅、接收或使用本公众号中的内容。因本公众号难以设置访问权限，若给您造成不便，烦请谅解！本公众号旨在沟通研究信息，交流研究经验，华泰证券不因任何订阅本公众号的行为而将订阅者视为华泰证券的客户。 本公众号研究报告有关内容摘编自已经发布的研究报告的，若因对报告的摘编而产生歧义，应以报告发布当日的完整内容为准。如需了解详细内容，请具体参见华泰证券所发布的完整版报告。 本公众号内容基于作者认为可靠的、已公开的信息编制，但作者对该等信息的准确性及完整性不作任何保证，也不对证券价格的涨跌或市场走势作确定性判断。本公众号所载的意见、评估及预测仅反映发布当日的观点和判断。在不同时期，华泰证券可能会发出与本公众号所载意见、评估及预测不一致的研究报告。 在任何情况下，本公众号中的信息或所表述的意见均不构成对客户私人投资建议。订阅人不应单独依靠本订阅号中的信息而取代自身独立的判断，应自主做出投资决策并自行承担投资风险。普通投资者若使用本资料，有可能会因缺乏解读服务而对内容产生理解上的歧义，进而造成投资损失。对依据或者使用本公众号内容所造成的一切后果，华泰证券及作者均不承担任何法律责任。 本公众号版权仅为华泰证券股份有限公司所有，未经公司书面许可，任何机构或个人不得以翻版、复制、发表、引用或再次分发他人等任何形式侵犯本公众号发布的所有内容的版权。如因侵权行为给华泰证券造成任何直接或间接的损失，华泰证券保留追究一切法律责任的权利。本公司具有中国证监会核准的“证券投资咨询”业务资格，经营许可证编号为：91320000704041011J。 林晓明 执业证书编号：S0570516010001 华泰金工深度报告一览 金融周期系列研究（资产配置） 【华泰金工林晓明团队】2020年中国市场量化资产配置年度观点——周期归来、机会重生，顾短也兼长20200121 【华泰金工林晓明团队】量化资产配置2020年度观点——小周期争明日，大周期赢未来20200116 【华泰金工林晓明团队】风险预算模型如何度量风险更有效-改进风险度量方式稳定提升风险模型表现的方法 【华泰金工林晓明团队】周期双底存不确定性宜防守待趋势——短周期底部拐头机会渐增，待趋势明朗把握或更大20191022 【华泰金工林晓明团队】二十年一轮回的黄金投资大周期——黄金的三周期定价逻辑与组合配置、投资机会分析20190826 【华泰金工林晓明团队】如何有效判断真正的周期拐点？——定量测度实际周期长度提升市场拐点判准概率 【华泰金工林晓明团队】基钦周期的长度会缩短吗？——20190506 【华泰金工林晓明团队】二十载昔日重现，三四年周期轮回——2019年中国与全球市场量化资产配置年度观点（下） 【华泰金工林晓明团队】二十载昔日重现，三四年周期轮回——2019年中国与全球市场量化资产配置年度观点（上） 【华泰金工林晓明团队】周期轮动下的BL资产配置策略 【华泰金工林晓明团队】周期理论与机器学习资产收益预测——华泰金工市场周期与资产配置研究 【华泰金工林晓明团队】市场拐点的判断方法 【华泰金工林晓明团队】2018中国与全球市场的机会、风险 · 年度策略报告（上） 【华泰金工林晓明团队】基钦周期的量化测度与历史规律 · 华泰金工周期系列研究 【华泰金工林晓明团队】周期三因子定价与资产配置模型（四）——华泰金工周期系列研究 【华泰金工林晓明团队】周期三因子定价与资产配置模型（三）——华泰金工周期系列研究 【华泰金工林晓明团队】周期三因子定价与资产配置模型（二）——华泰金工周期系列研究 【华泰金工林晓明团队】周期三因子定价与资产配置模型（一）——华泰金工周期系列研究 【华泰金工林晓明团队】华泰金工周期研究系列 · 基于DDM模型的板块轮动探索 【华泰金工林晓明团队】市场周期的量化分解 【华泰金工林晓明团队】周期研究对大类资产的预测观点 【华泰金工林晓明团队】金融经济系统周期的确定（下）——华泰金工周期系列研究 【华泰金工林晓明团队】金融经济系统周期的确定（上）——华泰金工周期系列研究 【华泰金工林晓明团队】全球多市场择时配置初探——华泰周期择时研究系列 行业指数频谱分析及配置模型：市场的周期分析系列之三 【华泰金工林晓明团队】市场的频率——市场轮回，周期重生 【华泰金工林晓明团队】市场的轮回——金融市场周期与经济周期关系初探 周期起源 【华泰金工林晓明团队】金融经济周期的耗散结构观——华泰周期起源系列研究之十 【华泰金工林晓明团队】经济系统中有序市场结构的进化——华泰周期起源系列研究报告之九 【华泰金工林晓明团队】企业间力的产生、传播和作用效果——华泰周期起源系列研究之八 【华泰金工林晓明团队】耦合振子同步的藏本模型——华泰周期起源系列研究之七 【华泰金工林晓明团队】周期在供应链管理模型的实证——华泰周期起源系列研究之六 【华泰金工林晓明团队】不确定性与缓冲机制——华泰周期起源系列研究报告之五 【华泰金工林晓明团队】周期是矛盾双方稳定共存的结果——华泰周期起源系列研究之四 【华泰金工林晓明团队】周期是不确定性条件下的稳态——华泰周期起源系列研究之三 【华泰金工林晓明团队】周期趋同现象的动力学系统模型——华泰周期起源系列研究之二 【华泰金工林晓明团队】从微观同步到宏观周期——华泰周期起源系列研究报告之一 FOF与金融创新产品 【华泰金工林晓明团队】养老目标基金的中国市场开发流程--目标日期基金与目标风险基金产品设计研究 【华泰金工】生命周期基金Glide Path开发实例——华泰FOF与金融创新产品系列研究报告之一 因子周期（因子择时） 【华泰金工林晓明团队】市值因子收益与经济结构的关系——华泰因子周期研究系列之三 【华泰金工林晓明团队】周期视角下的因子投资时钟--华泰因子周期研究系列之二 【华泰金工林晓明团队】因子收益率的周期性研究初探 择时 【华泰金工林晓明团队】波动率与换手率构造牛熊指标——华泰金工量化择时系列 【华泰金工林晓明团队】A股市场低开现象研究 【华泰金工林晓明团队】华泰风险收益一致性择时模型 【华泰金工林晓明团队】技术指标与周期量价择时模型的结合 【华泰金工林晓明团队】华泰价量择时模型——市场周期在择时领域的应用 中观基本面轮动 【华泰金工林晓明团队】行业配置落地：指数增强篇——华泰中观基本面轮动系列之十 【华泰金工林晓明团队】行业配置策略：拥挤度视角——华泰中观基本面轮动系列之九 【华泰金工林晓明团队】行业配置策略：景气度视角——华泰中观基本面轮动系列之八 【华泰金工林晓明团队】行业配置策略：趋势追踪视角——华泰中观基本面轮动系列之七 【华泰金工林晓明团队】行业配置策略：宏观因子视角——华泰中观基本面轮动系列之六 【华泰金工林晓明团队】行业全景画像：投入产出表视角——华泰中观基本面轮动系列之五 【华泰金工林晓明团队】行业全景画像：改进杜邦拆解视角——华泰中观基本面轮动系列之四 【华泰金工林晓明团队】行业全景画像：风格因子视角 ——华泰中观基本面轮动系列之三 【华泰金工林晓明团队】行业全景画像：宏观因子视角 ——华泰中观基本面轮动系列之二 【华泰金工林晓明团队】确立研究对象：行业拆分与聚类——华泰中观基本面轮动系列之一 行业轮动 【华泰金工林晓明团队】不同协方差估计方法对比分析（二）——华泰行业轮动系列报告之十三 【华泰金工林晓明团队】拥挤度指标在行业配置中的应用——华泰行业轮动系列报告之十二 【华泰金工林晓明团队】基于投入产出表的产业链分析 ——华泰行业轮动系列报告之十一 【华泰金工林晓明团队】不同协方差估计方法对比分析——华泰行业轮动系列报告之十 【华泰金工林晓明团队】景气度指标在行业配置中的应用——华泰行业轮动系列报告之九 【华泰金工林晓明团队】再探周期视角下的资产轮动——华泰行业轮动系列报告之八 【华泰金工林晓明团队】“华泰周期轮动”基金组合改进版——华泰行业轮动系列报告之七 【华泰金工林晓明团队】“华泰周期轮动”基金组合构建——华泰行业轮动系列之六 【华泰金工林晓明团队】估值因子在行业配置中的应用——华泰行业轮动系列报告之五 【华泰金工林晓明团队】动量增强因子在行业配置中的应用——华泰行业轮动系列报告之四 【华泰金工林晓明团队】财务质量因子在行业配置中的应用——华泰行业轮动系列报告之三 【华泰金工林晓明团队】周期视角下的行业轮动实证分析——华泰行业轮动系列之二 【华泰金工林晓明团队】基于通用回归模型的行业轮动策略——华泰行业轮动系列之一 Smartbeta 【华泰金工林晓明团队】重剑无锋：低波动 Smart Beta——华泰 Smart Beta 系列之四 【华泰金工林晓明团队】投资优质股票：红利类Smart Beta——华泰Smart Beta系列之三 【华泰金工林晓明团队】博观约取：价值和成长Smart Beta——华泰Smart Beta系列之二 【华泰金工林晓明团队】Smart Beta：乘风破浪趁此时——华泰Smart Beta系列之一 【华泰金工林晓明团队】Smartbeta在资产配置中的优势——华泰金工Smartbeta专题研究之一 多因子选股 【华泰金工林晓明团队】华泰单因子测试之历史分位数因子——华泰多因子系列之十三 【华泰金工林晓明团队】桑土之防：结构化多因子风险模型——华泰多因子系列之十二 【华泰金工林晓明团队】华泰单因子测试之海量技术因子——华泰多因子系列之十一 【华泰金工林晓明团队】因子合成方法实证分析 ——华泰多因子系列之十 【华泰金工林晓明团队】华泰单因子测试之一致预期因子 ——华泰多因子系列之九 【华泰金工林晓明团队】华泰单因子测试之财务质量因子——华泰多因子系列之八 【华泰金工林晓明团队】华泰单因子测试之资金流向因子——华泰多因子系列之七 【华泰金工林晓明团队】华泰单因子测试之波动率类因子——华泰多因子系列之六 【华泰金工林晓明团队】华泰单因子测试之换手率类因子——华泰多因子系列之五 【华泰金工林晓明团队】华泰单因子测试之动量类因子——华泰多因子系列之四 【华泰金工林晓明团队】华泰单因子测试之成长类因子——华泰多因子系列之三 【华泰金工林晓明团队】华泰单因子测试之估值类因子——华泰多因子系列之二 【华泰金工林晓明团队】华泰多因子模型体系初探——华泰多因子系列之一 【华泰金工林晓明团队】五因子模型A股实证研究 【华泰金工林晓明团队】红利因子的有效性研究——华泰红利指数与红利因子系列研究报告之二 人工智能 【华泰金工林晓明团队】新闻舆情分析的HAN网络选股——华泰人工智能系列之五十六 【华泰金工林晓明团队】图神经网络选股的进阶之路——华泰人工智能系列之五十五 【华泰金工林晓明团队】基于遗传规划的一致预期因子挖掘——华泰人工智能系列之五十四 【华泰金工林晓明团队】揭秘微软AI量化研究——华泰人工智能系列之五十三 【华泰金工林晓明团队】神经网络组合优化初探——华泰人工智能系列之五十二 【华泰金工林晓明团队】文本PEAD选股策略——华泰人工智能系列之五十一 【华泰金工林晓明团队】再探cGAN资产配置——华泰人工智能系列之五十 【华泰金工林晓明团队】SinGAN 单样本生成——人工智能系列之四十九 【华泰金工林晓明团队】对抗过拟合：cGAN应用于策略调参——人工智能系列之四十八 【华泰金工林晓明团队】cGAN模拟宏观指标——人工智能系列之四十七 【华泰金工林晓明团队】AlphaNet改进：结构和损失函数——华泰人工智能系列之四十六 【华泰金工林晓明团队】cGAN应用于资产配置——华泰人工智能系列之四十五 【华泰金工林晓明团队】深度卷积GAN实证——华泰人工智能系列之四十四 【华泰金工林晓明团队】因子观点融入机器学习——华泰人工智能系列之四十三 【华泰金工林晓明团队】图神经网络选股与Qlib实践——华泰人工智能系列之四十二 【华泰金工林晓明团队】基于BERT的分析师研报情感因子——华泰人工智能系列之四十一 【华泰金工林晓明团队】微软AI量化投资平台Qlib体验——华泰人工智能系列之四十 【华泰金工林晓明团队】周频量价选股模型的组合优化实证——华泰人工智能系列之三十九 【华泰金工林晓明团队】WGAN生成：从单资产到多资产——华泰人工智能系列之三十八 【华泰金工林晓明团队】舆情因子和BERT情感分类模型——华泰人工智能系列之三十七 【华泰金工林晓明团队】相对生成对抗网络RGAN实证——华泰人工智能系列之三十六 【华泰金工林晓明团队】WGAN应用于金融时间序列生成——华泰人工智能系列之三十五 【华泰金工林晓明团队】再探AlphaNet：结构和特征优化——华泰人工智能系列之三十四 【华泰金工林晓明团队】数据模式探索：无监督学习案例——华泰人工智能系列之三十三 【华泰金工林晓明团队】AlphaNet：因子挖掘神经网络——华泰人工智能系列之三十二 【华泰金工林晓明团队】生成对抗网络GAN初探——华泰人工智能系列之三十一 【华泰金工林晓明团队】从关联到逻辑：因果推断初探——华泰人工智能系列之三十 【华泰金工林晓明团队】另类标签和集成学习——华泰人工智能系列之二十九 【华泰金工林晓明团队】基于量价的人工智能选股体系概览——华泰人工智能系列之二十八 【华泰金工林晓明团队】揭开机器学习模型的“黑箱” ——华泰人工智能系列之二十七 【华泰金工林晓明团队】遗传规划在CTA信号挖掘中的应用——华泰人工智能系列之二十六 【华泰金工林晓明团队】市场弱有效性检验与择时战场选择——华泰人工智能系列之二十五 【华泰金工林晓明团队】投石问路：技术分析可靠否？——华泰人工智能系列之二十四 【华泰金工林晓明团队】再探基于遗传规划的选股因子挖掘——华泰人工智能系列之二十三 【华泰金工林晓明团队】基于CSCV框架的回测过拟合概率——华泰人工智能系列之二十二 【华泰金工林晓明团队】基于遗传规划的选股因子挖掘——华泰人工智能系列之二十一 【华泰金工林晓明团队】必然中的偶然：机器学习中的随机数——华泰人工智能系列之二十 【华泰金工林晓明团队】偶然中的必然：重采样技术检验过拟合——华泰人工智能系列之十九 【华泰金工林晓明团队】机器学习选股模型的调仓频率实证——华泰人工智能系列之十八 【华泰金工林晓明团队】人工智能选股之数据标注方法实证——华泰人工智能系列之十七 【华泰金工林晓明团队】再论时序交叉验证对抗过拟合——华泰人工智能系列之十六 【华泰金工林晓明团队】人工智能选股之卷积神经网络——华泰人工智能系列之十五 【华泰金工林晓明团队】对抗过拟合：从时序交叉验证谈起 【华泰金工林晓明团队】人工智能选股之损失函数的改进——华泰人工智能系列之十三 【华泰金工林晓明团队】人工智能选股之特征选择——华泰人工智能系列之十二 【华泰金工林晓明团队】人工智能选股之Stacking集成学习——华泰人工智能系列之十一 【华泰金工林晓明团队】宏观周期指标应用于随机森林选股——华泰人工智能系列之十 【华泰金工林晓明团队】人工智能选股之循环神经网络——华泰人工智能系列之九 【华泰金工林晓明团队】人工智能选股之全连接神经网络——华泰人工智能系列之八 【华泰金工林晓明团队】人工智能选股之Python实战——华泰人工智能系列之七 【华泰金工林晓明团队】人工智能选股之Boosting模型——华泰人工智能系列之六 【华泰金工林晓明团队】人工智能选股之随机森林模型——华泰人工智能系列之五 【华泰金工林晓明团队】人工智能选股之朴素贝叶斯模型——华泰人工智能系列之四 【华泰金工林晓明团队】人工智能选股之支持向量机模型— —华泰人工智能系列之三 【华泰金工林晓明团队】人工智能选股之广义线性模型——华泰人工智能系列之二 指数增强基金分析 【华泰金工林晓明团队】再探回归法测算基金持股仓位——华泰基金仓位分析专题报告 【华泰金工林晓明团队】酌古御今：指数增强基金收益分析 【华泰金工林晓明团队】基于回归法的基金持股仓位测算 【华泰金工林晓明团队】指数增强方法汇总及实例——量化多因子指数增强策略实证 基本面选股 【华泰金工林晓明团队】华泰价值选股之相对市盈率港股模型——相对市盈率港股通模型实证研究 【华泰金工林晓明团队】华泰价值选股之FFScore模型 【华泰金工林晓明团队】相对市盈率选股模型A股市场实证研究 【华泰金工林晓明团队】华泰价值选股之现金流因子研究——现金流因子选股策略实证研究 【华泰金工林晓明团队】华泰基本面选股之低市收率模型——小费雪选股法 A 股实证研究 【华泰金工林晓明团队】华泰基本面选股之高股息率模型之奥轩尼斯选股法A股实证研究 基金定投 【华泰金工林晓明团队】大成旗下基金2018定投策略研究 【华泰金工林晓明团队】布林带与股息率择时定投模型——基金定投系列专题研究报告之四 【华泰金工林晓明团队】基金定投3—马科维茨有效性检验 【华泰金工林晓明团队】基金定投2—投资标的与时机的选择方法 【华泰金工林晓明团队】基金定投1—分析方法与理论基础 基金评价 【华泰金工林晓明团队】基金评价及筛选全流程研究框架——股票型与债券型基金多种维度定量与定性评价法 【华泰金工林晓明团队】基金选股择时能力的定量分析法——我国公募基金大多具有较强选股能力 【华泰金工林晓明团队】基金业绩持续性的规律与策略构建——采用有效影响因子筛选出持续性较好的绩优基金 ETF季度盘点 【华泰金工林晓明团队】2021Q2中国ETF市场盘点回顾 【华泰金工林晓明团队】2021Q1中国ETF市场盘点回顾 【华泰金工林晓明团队】2020Q4中国ETF市场全景回顾——总规模创新高，行业主题类ETF渐成市场新主角20210112 【华泰金工林晓明团队】2020年三季度中国ETF市场回顾——产品百花齐放、投资者结构日渐成熟，规模创新高20201021 【华泰金工林晓明团队】ETF产品细分差异化或成突围之道——2020二季度中国ETF市场全景回顾盘点与展望20200803 【华泰金工林晓明团队】ETF规模数量大涨品类不断丰富——2020一季度中国ETF市场全景回顾盘点 其它 【华泰金工林晓明团队】A股市场及行业的农历月份效应——月份效应之二 A股市场及行业的月份效应——详解历史数据中的隐藏法则

点此查看微信公众号原文全部内容>>

大部分微信公众号研报本站已有pdf详细完整版：https://www.wkzk.com/report/（可搜索研报标题关键词或机构名称查询原报告）