「華泰金工林曉明團隊」上週大多數模型跑贏基準——人工智能選股週報 20200411

林曉明S0570516010001 研究員

陳 燁 S0570518080004 研究員

李子鈺S0570519110003 研究員

報告發布時間：2020年4月11日

摘要

上週大多數模型跑贏基準

上週大多數模型跑贏基準。今年以來雙週頻調倉的“遺傳規劃+隨機森林”模型表現較好，換手率限制為60%的情況下，該模型上週超額收益為0.75%，最近一個月超額收益為2.81%，今年以來超額收益為5.70%。對於月頻調倉的“遺傳規劃+隨機森林”模型，換手率限制為120%的情況下，模型上週超額收益為0.38%，最近一個月超額收益為0.30%，今年以來超額收益為2.41%。

全A選股模型中，今年以來收益率為標籤的模型表現最好

全A選股模型中，收益率為標籤的模型上週超額收益為0.63%，最近一個月超額收益為2.05%，今年以來超額收益為2.01%。信息比率為標籤的模型上週超額收益為0.23%，最近一個月超額收益為-3.8%，今年以來超額收益為-1.59%。Calmar比率為標籤的模型上週超額收益為0.46%，最近一個月超額收益為0.38%，今年以來超額收益為1.83%。等權集成模型上週超額收益為0.2%，最近一個月超額收益為-0.65%，今年以來超額收益為-0.68%。

中證500成份內選股模型中，今年以來收益率為標籤的模型表現最好

中證500成份內選股模型中，收益率為標籤的模型上週超額收益為-0.13%，最近一個月超額收益為0.77%，今年以來超額收益為0.37%。信息比率為標籤的模型上週超額收益為0.22%，最近一個月超額收益為-0.7%，今年以來超額收益為-0.72%。Calmar比率為標籤的模型上週超額收益為-0.35%，最近一個月超額收益為-0.48%，今年以來超額收益為-3.38%。等權集成模型上週超額收益為0.07%，最近一個月超額收益為-0.21%，今年以來超額收益為-1.9%。

中證800成份內選股模型中，今年以來收益率為標籤的模型表現最好

中證800成份內選股模型中，收益率為標籤的模型上週超額收益為0.36%，最近一個月超額收益為1.03%，今年以來超額收益為3.39%。信息比率為標籤的模型上週超額收益為0.61%，最近一個月超額收益為0.08%，今年以來超額收益為1.89%。Calmar比率為標籤的模型上週超額收益為0.35%，最近一個月超額收益為0.89%，今年以來超額收益為-0.24%。等權集成模型上週超額收益為0.11%，最近一個月超額收益為0.37%，今年以來超額收益為1.42%。

上週公募滬深300指數增強基金平均超額收益為正

我們選取公募基金旗下的34只滬深300指數增強基金和24只中證500指數增強基金，分析指數增強產品的業績表現。滬深300指數增強基金上週平均超額收益為0.06%，最近一個月平均超額收益為0.9%，今年以來平均超額收益為1.21%。中證500指數增強基金上週平均超額收益為-0.01%，最近一個月平均超額收益為0.74%，今年以來平均超額收益為1.48%。

風險提示：通過人工智能模型構建選股策略是歷史經驗的總結，存在失效的可能。人工智能模型可解釋程度較低，使用須謹慎。本報告對基金歷史數據進行梳理總結，不構成任何投資建議。

“遺傳規劃+隨機森林”模型近期表現

本章對《華泰人工智能系列之28——基於量價的人工智能選股體系》(2020.2.18)中的“遺傳規劃+隨機森林”模型進行跟蹤，模型流程圖如圖表1所示。

我們使用模型構建月頻調倉和雙週頻調倉的中證500增強策略，展示不同換手率控制情況下策略的表現。模型近期超額收益情況如圖表2和圖表3所示。

模型自2011年2月回測以來的超額收益情況和回測績效如圖表4~圖表7所示。

圖表8展示了模型中重要性排名前十的因子。

另類標籤和集成學習模型近期表現

本章對《華泰人工智能系列之29——提升超額收益：另類標籤和集成學習》(2020.3.19)中的模型進行跟蹤，包含以下三個股票池內模型：

1. 全A選股(中證500行業市值中性)

2. 中證500成份內選股(中證500行業市值中性)

3. 中證800成份內選股(中證800行業市值中性)

每個股票池內都構建以下四個模型：

1. 收益率為標籤的模型。

2. 信息比率為標籤的模型。

3. Calmar比率為標籤的模型。

4. 集成模型：以上三類模型等權集成。

模型近期超額收益情況如圖表9~圖表11所示。

模型自2011年2月回測以來的超額收益情況和回測績效如圖表12~圖表17所示。

公募指數增強基金近期表現

我們選取公募基金旗下的34只滬深300指數增強基金和24只中證500指數增強基金，分析指數增強產品的業績表現。圖表18展示了近期滬深300指數增強基金和中證500指數增強基金按規模加權的平均超額收益情況。

圖表19和圖表20展示了規模排名前5的滬深300指數增強基金和中證500指數增強基金。

風險提示

通過人工智能模型構建選股策略是歷史經驗的總結，若市場規律改變，存在失效的可能。人工智能模型可解釋程度較低，歸因較困難，使用須謹慎。本報告對基金歷史數據進行梳理總結，不構成任何投資建議。

公眾平臺免責申明

本公眾平臺不是華泰證券研究所官方訂閱平臺。相關觀點或信息請以華泰證券官方公眾平臺為準。根據《證券期貨投資者適當性管理辦法》的相關要求，本公眾號內容僅面向華泰證券客戶中的專業投資者，請勿對本公眾號內容進行任何形式的轉發。若您並非華泰證券客戶中的專業投資者，請取消關注本公眾號，不再訂閱、接收或使用本公眾號中的內容。因本公眾號難以設置訪問權限，若給您造成不便，煩請諒解！本公眾號旨在溝通研究信息，交流研究經驗，華泰證券不因任何訂閱本公眾號的行為而將訂閱者視為華泰證券的客戶。

本公眾號研究報告有關內容摘編自已經發布的研究報告的，若因對報告的摘編而產生歧義，應以報告發布當日的完整內容為準。如需瞭解詳細內容，請具體參見華泰證券所發佈的完整版報告。

本公眾號內容基於作者認為可靠的、已公開的信息編制，但作者對該等信息的準確性及完整性不作任何保證，也不對證券價格的漲跌或市場走勢作確定性判斷。本公眾號所載的意見、評估及預測僅反映發佈當日的觀點和判斷。在不同時期，華泰證券可能會發出與本公眾號所載意見、評估及預測不一致的研究報告。

在任何情況下，本公眾號中的信息或所表述的意見均不構成對客戶私人投資建議。訂閱人不應單獨依靠本訂閱號中的信息而取代自身獨立的判斷，應自主做出投資決策並自行承擔投資風險。普通投資者若使用本資料，有可能會因缺乏解讀服務而對內容產生理解上的歧義，進而造成投資損失。對依據或者使用本公眾號內容所造成的一切後果，華泰證券及作者均不承擔任何法律責任。

本公眾號版權僅為華泰證券股份有限公司所有，未經公司書面許可，任何機構或個人不得以翻版、複製、發表、引用或再次分發他人等任何形式侵犯本公眾號發佈的所有內容的版權。如因侵權行為給華泰證券造成任何直接或間接的損失，華泰證券保留追究一切法律責任的權利。本公司具有中國證監會核准的“證券投資諮詢”業務資格，經營許可證編號為：91320000704041011J。

林曉明

執業證書編號：S0570516010001

金融週期系列研究（資產配置）

【華泰金工林曉明團隊】2020年中國市場量化資產配置年度觀點——週期歸來、機會重生，顧短也兼長20200121

【華泰金工林曉明團隊】量化資產配置2020年度觀點——小週期爭明日，大週期贏未來20200116

【華泰金工林曉明團隊】風險預算模型如何度量風險更有效-改進風險度量方式穩定提升風險模型表現的方法

【華泰金工林曉明團隊】週期雙底存不確定性宜防守待趨勢——短週期底部拐頭機會漸增，待趨勢明朗把握或更大20191022

【華泰金工林曉明團隊】二十年一輪迴的黃金投資大週期——黃金的三週期定價邏輯與組合配置、投資機會分析20190826

【華泰金工林曉明團隊】如何有效判斷真正的週期拐點？——定量測度實際週期長度提升市場拐點判準概率

【華泰金工林曉明團隊】基欽週期的長度會縮短嗎？——20190506

【華泰金工林曉明團隊】二十載昔日重現，三四年週期輪迴——2019年中國與全球市場量化資產配置年度觀點（下）

【華泰金工林曉明團隊】二十載昔日重現，三四年週期輪迴——2019年中國與全球市場量化資產配置年度觀點（上）

【華泰金工林曉明團隊】週期輪動下的BL資產配置策略

【華泰金工林曉明團隊】週期理論與機器學習資產收益預測——華泰金工市場週期與資產配置研究

【華泰金工林曉明團隊】市場拐點的判斷方法

【華泰金工林曉明團隊】2018中國與全球市場的機會、風險 · 年度策略報告（上）

【華泰金工林曉明團隊】基欽週期的量化測度與歷史規律 · 華泰金工週期系列研究

【華泰金工林曉明團隊】週期三因子定價與資產配置模型（四）——華泰金工週期系列研究

【華泰金工林曉明團隊】週期三因子定價與資產配置模型（三）——華泰金工週期系列研究

【華泰金工林曉明團隊】週期三因子定價與資產配置模型（二）——華泰金工週期系列研究

【華泰金工林曉明團隊】週期三因子定價與資產配置模型（一）——華泰金工週期系列研究

【華泰金工林曉明團隊】華泰金工週期研究系列 · 基於DDM模型的板塊輪動探索

【華泰金工林曉明團隊】市場週期的量化分解

【華泰金工林曉明團隊】週期研究對大類資產的預測觀點

【華泰金工林曉明團隊】金融經濟系統週期的確定（下）——華泰金工週期系列研究

【華泰金工林曉明團隊】金融經濟系統週期的確定（上）——華泰金工週期系列研究

【華泰金工林曉明團隊】全球多市場擇時配置初探——華泰週期擇時研究系列

行業指數頻譜分析及配置模型：市場的週期分析系列之三

【華泰金工林曉明團隊】市場的頻率——市場輪迴，週期重生

【華泰金工林曉明團隊】市場的輪迴——金融市場週期與經濟週期關係初探

【華泰金工林曉明團隊】週期在供應鏈管理模型的實證——華泰週期起源系列研究之六

【華泰金工林曉明團隊】不確定性與緩衝機制——華泰週期起源系列研究報告之五

【華泰金工林曉明團隊】週期是矛盾雙方穩定共存的結果——華泰週期起源系列研究之四

【華泰金工林曉明團隊】週期是不確定性條件下的穩態——華泰週期起源系列研究之三

【華泰金工林曉明團隊】週期趨同現象的動力學系統模型——華泰週期起源系列研究之二

【華泰金工林曉明團隊】從微觀同步到宏觀週期——華泰週期起源系列研究報告之一

【華泰金工林曉明團隊】養老目標基金的中國市場開發流程--目標日期基金與目標風險基金產品設計研究

【華泰金工】生命週期基金Glide Path開發實例——華泰FOF與金融創新產品系列研究報告之一

【華泰金工林曉明團隊】市值因子收益與經濟結構的關係——華泰因子週期研究系列之三

【華泰金工林曉明團隊】週期視角下的因子投資時鐘--華泰因子週期研究系列之二

【華泰金工林曉明團隊】因子收益率的週期性研究初探

【華泰金工林曉明團隊】波動率與換手率構造牛熊指標——華泰金工量化擇時系列

【華泰金工林曉明團隊】A股市場低開現象研究

【華泰金工林曉明團隊】華泰風險收益一致性擇時模型

【華泰金工林曉明團隊】技術指標與週期量價擇時模型的結合

【華泰金工林曉明團隊】華泰價量擇時模型——市場週期在擇時領域的應用

【華泰金工林曉明團隊】擁擠度指標在行業配置中的應用——華泰行業輪動系列報告之十二

【華泰金工林曉明團隊】基於投入產出表的產業鏈分析 ——華泰行業輪動系列報告之十一

【華泰金工林曉明團隊】不同協方差估計方法對比分析——華泰行業輪動系列報告之十

【華泰金工林曉明團隊】景氣度指標在行業配置中的應用——華泰行業輪動系列報告之九

【華泰金工林曉明團隊】再探週期視角下的資產輪動——華泰行業輪動系列報告之八

【華泰金工林曉明團隊】“華泰週期輪動”基金組合改進版——華泰行業輪動系列報告之七

【華泰金工林曉明團隊】“華泰週期輪動”基金組合構建——華泰行業輪動系列之六

【華泰金工林曉明團隊】估值因子在行業配置中的應用——華泰行業輪動系列報告之五

【華泰金工林曉明團隊】動量增強因子在行業配置中的應用——華泰行業輪動系列報告之四

【華泰金工林曉明團隊】財務質量因子在行業配置中的應用——華泰行業輪動系列報告之三

【華泰金工林曉明團隊】週期視角下的行業輪動實證分析——華泰行業輪動系列之二

【華泰金工林曉明團隊】基於通用迴歸模型的行業輪動策略——華泰行業輪動系列之一

【華泰金工林曉明團隊】重劍無鋒：低波動 Smart Beta——華泰 Smart Beta 系列之四

【華泰金工林曉明團隊】投資優質股票：紅利類Smart Beta——華泰Smart Beta系列之三

【華泰金工林曉明團隊】博觀約取：價值和成長Smart Beta——華泰Smart Beta系列之二

【華泰金工林曉明團隊】Smart Beta：乘風破浪趁此時——華泰Smart Beta系列之一

【華泰金工林曉明團隊】Smartbeta在資產配置中的優勢——華泰金工Smartbeta專題研究之一

【華泰金工林曉明團隊】華泰單因子測試之歷史分位數因子——華泰多因子系列之十三

【華泰金工林曉明團隊】桑土之防：結構化多因子風險模型——華泰多因子系列之十二

【華泰金工林曉明團隊】華泰單因子測試之海量技術因子——華泰多因子系列之十一

【華泰金工林曉明團隊】因子合成方法實證分析 ——華泰多因子系列之十

【華泰金工林曉明團隊】華泰單因子測試之一致預期因子 ——華泰多因子系列之九

【華泰金工林曉明團隊】華泰單因子測試之財務質量因子——華泰多因子系列之八

【華泰金工林曉明團隊】華泰單因子測試之資金流向因子——華泰多因子系列之七

【華泰金工林曉明團隊】華泰單因子測試之波動率類因子——華泰多因子系列之六

【華泰金工林曉明團隊】華泰單因子測試之換手率類因子——華泰多因子系列之五

【華泰金工林曉明團隊】華泰單因子測試之動量類因子——華泰多因子系列之四

【華泰金工林曉明團隊】華泰單因子測試之成長類因子——華泰多因子系列之三

【華泰金工林曉明團隊】華泰單因子測試之估值類因子——華泰多因子系列之二

【華泰金工林曉明團隊】華泰多因子模型體系初探——華泰多因子系列之一

【華泰金工林曉明團隊】五因子模型A股實證研究

【華泰金工林曉明團隊】紅利因子的有效性研究——華泰紅利指數與紅利因子系列研究報告之二

【華泰金工林曉明團隊】揭開機器學習模型的“黑箱” ——華泰人工智能系列之二十七

【華泰金工林曉明團隊】遺傳規劃在CTA信號挖掘中的應用——華泰人工智能系列之二十六

【華泰金工林曉明團隊】市場弱有效性檢驗與擇時戰場選擇——華泰人工智能系列之二十五

【華泰金工林曉明團隊】投石問路：技術分析可靠否？——華泰人工智能系列之二十四

【華泰金工林曉明團隊】再探基於遺傳規劃的選股因子挖掘——華泰人工智能系列之二十三

【華泰金工林曉明團隊】基於CSCV框架的回測過擬合概率——華泰人工智能系列之二十二

【華泰金工林曉明團隊】基於遺傳規劃的選股因子挖掘——華泰人工智能系列之二十一

【華泰金工林曉明團隊】必然中的偶然：機器學習中的隨機數——華泰人工智能系列之二十

【華泰金工林曉明團隊】偶然中的必然：重採樣技術檢驗過擬合——華泰人工智能系列之十九

【華泰金工林曉明團隊】機器學習選股模型的調倉頻率實證——華泰人工智能系列之十八

【華泰金工林曉明團隊】人工智能選股之數據標註方法實證——華泰人工智能系列之十七

【華泰金工林曉明團隊】再論時序交叉驗證對抗過擬合——華泰人工智能系列之十六

【華泰金工林曉明團隊】人工智能選股之卷積神經網絡——華泰人工智能系列之十五

【華泰金工林曉明團隊】對抗過擬合：從時序交叉驗證談起

【華泰金工林曉明團隊】人工智能選股之損失函數的改進——華泰人工智能系列之十三

【華泰金工林曉明團隊】人工智能選股之特徵選擇——華泰人工智能系列之十二

【華泰金工林曉明團隊】人工智能選股之Stacking集成學習——華泰人工智能系列之十一

【華泰金工林曉明團隊】宏觀週期指標應用於隨機森林選股——華泰人工智能系列之十

【華泰金工林曉明團隊】人工智能選股之循環神經網絡——華泰人工智能系列之九

【華泰金工林曉明團隊】人工智能選股之全連接神經網絡——華泰人工智能系列之八

【華泰金工林曉明團隊】人工智能選股之Python實戰——華泰人工智能系列之七

【華泰金工林曉明團隊】人工智能選股之Boosting模型——華泰人工智能系列之六

【華泰金工林曉明團隊】人工智能選股之隨機森林模型——華泰人工智能系列之五

【華泰金工林曉明團隊】人工智能選股之樸素貝葉斯模型——華泰人工智能系列之四

【華泰金工林曉明團隊】人工智能選股之支持向量機模型— —華泰人工智能系列之三

【華泰金工林曉明團隊】人工智能選股之廣義線性模型——華泰人工智能系列之二

【華泰金工林曉明團隊】再探迴歸法測算基金持股倉位——華泰基金倉位分析專題報告

【華泰金工林曉明團隊】酌古御今：指數增強基金收益分析

【華泰金工林曉明團隊】基於迴歸法的基金持股倉位測算

【華泰金工林曉明團隊】指數增強方法彙總及實例——量化多因子指數增強策略實證

【華泰金工林曉明團隊】華泰價值選股之相對市盈率港股模型——相對市盈率港股通模型實證研究

【華泰金工林曉明團隊】華泰價值選股之FFScore模型

【華泰金工林曉明團隊】相對市盈率選股模型A股市場實證研究

閱讀更多 華泰金工林曉明團隊 的文章

關鍵字: 隨機森林 歷史 投資