人工智能行业市场分析报告.pdf

人工智能行业市场分析报告 2019 年 10 月 1 正文目录 遗传规划回顾和改进方向5 改进方向 1：新的适应度指标5 互信息5 多头超额收益6 改进方向 2：非线性因子的使用方法6 三次方回归残差法 7 多项式拟合法7 改进方向 3：交叉验证控制过拟合8 遗传规划选股因子挖掘的测试流程和测试结果 9 测试流程9 测试结果10 遗传规划所得因子的单因子测试 11 分层测试法说明11 互信息作为适应度指标挖掘所得因子的测试结果 11 Alpha1 因子的详细测试结果13 Alpha2 因子的详细测试结果16 Alpha3 因子的详细测试结果18 Alpha4 因子的详细测试结果20 Alpha5 因子的详细测试结果22 Alpha6 因子的详细测试结果24 小结25 多头超额收益作为适应度指标挖掘所得因子的测试结果 26 Alpha21 因子的详细测试结果27 Alpha22 因子的详细测试结果28 Alpha23 因子的详细测试结果29 Alpha24 因子的详细测试结果30 结论31 2 图表目录 图表 1 遗传规划的总体流程5 图表2 互信息和 F 检验的说明6 图表3 非线性规模因子处理示意图7 图表4 交叉验证流程图8 图表5 原始因子列表9 图表6 函数列表9 图表 7 遗传规划测试过程的统计信息(适应度为互信息) 10 图表8 互信息作为适应度指标挖掘所得因子 12 图表9 Alpha1~Alpha20 因子分层测试中的最高收益层表现 12 图表 10 Alpha1~Alpha20 因子的相关性矩阵13 图表 11 Alpha1 分层组合 1~10 净值除以基准净值14 图表 12 Alpha1 各分层组合年化超额收益率14 图表 13 Alpha1 分层组合 1~10 净值除以基准净值(三次方回归残差法) 14 图表 14 Alpha1 分层组合 1~10 净值除以基准净值(多项式拟合法) 14 图表 15 Alpha1 的分层测试表现(因子做行业+4 个常见风格中性，三次方回归残差法) 15 图表 16 Alpha1 的分层测试表现(因子做行业+4 个常见风格中性，多项式拟合法) 15 图表 17 Alpha2 分层组合 1~10 净值除以基准净值16 图表 18 Alpha2 各分层组合年化超额收益率16 图表 19 Alpha2 分层组合 1~10 净值除以基准净值(三次方回归残差法) 16 图表20 Alpha2 分层组合 1~10 净值除以基准净值(多项式拟合法) 16 图表21 Alpha2 的分层测试表现(因子做行业+4 个常见风格中性，三次方回归残差法) 17 图表22 Alpha2 的分层测试表现(因子做行业+4 个常见风格中性，多项式拟合法) 17 图表23 Alpha3 分层组合 1~10 净值除以基准净值18 图表24 Alpha3 各分层组合年化超额收益率18 图表25 Alpha3 分层组合 1~10 净值除以基准净值(三次方回归残差法) 18 图表26 Alpha3 分层组合 1~10 净值除以基准净值(多项式拟合法) 18