广发证券--人工智能研究报告：多周期机器学习选股模型.pdf

[Table_Page] 金融工程|专题报告 2019 年12 月4 日 证券研究报告 [Table_Title] 图1：多模型集成策略收益曲线 多周期机器学习选股模型 人工智能研究报告 [Table_Summary] 报告摘要：  选股模型的时效性 信息具有时效性。选股因子对股票收益率的预测能力会随着时间的 数据来源：Wind ，广发证券发展研究中心 延后而衰减。机器学习股票收益预测模型的目标是将股票因子与股票未 表1 ：多模型集成策略选股表现 来收益率关联起来。股票因子蕴含的信息决定了模型的预测能力，包括 指标 多模型集成策略 预测准确度和预测窗口长度。如果机器学习模型所用的股票因子中包含 年化超额收益 38.97% 的是市场短期情绪面的信息，那么训练出来的机器学习模型可能对市场 最大回撤 -10.00% 短期走势的预测能力较强；如果机器学习模型所用的因子包含的是市场 夏普比率 3.89 中长期的价格扭曲信息，那么训练出来的机器学习模型可能对市场中长 年换手率 32.27 期的预测能力较强。 数据来源：Wind ，广发证券发展研究中心  模型构建 [Table_Author] 分析师： 文巧钧 本报告按照因子在不同预测窗口长度的 IC 将选股因子分成不同的 SAC 执证号：S0260517070001 组别，并针对不同的股票收益预测问题，分别构建机器学习预测模型， SFC CE No. BNI358 包括短线预测模型、中线预测模型和长线预测模型。 0755-88286