智能化选基系列之七：基于AI预测中的个股Beta信息构建ETF轮动策略.pdf

扫码获取更多服务

金融工程专题报告

内容目录

一、人工智能选股回顾4

二、ETF指数投资现状6

三、自下而上的人工智能ETF轮动策略构建8

1.聚合9

2.筛选13

四、TopN人工智能ETF轮动策略16

五、总结16

风险提示17

图表目录

图表1：GBDT+NN机器学习选股框架4

图表2：模型训练细节探讨内容4

图表3：模型选用特征数据集4

图表4：GBDT+NN沪深300指增策略净值走势（2023年以来）5

图表5：GBDT+NN中证500指增策略净值走势（2023年以来）5

图表6：GBDT+NN中证1000指增策略走势净值（2023年以来）6

图表7：GBDT+NN因子主要指标6

图表8：GBDT+NN指增策略主要指标（2015年以来）6

图表9：公募FOF持仓中ETF占比变化7

图表10：保险FOF持仓中ETF占比变化7

图表11：ETF基金指数表现VS主动权益基金表现7

图表12：各年份ETF日均成交额变化（单位：亿元）7

图表13：上市ETF基金总规模与数量变化8

图表14：股票型ETF分类型数量与规模统计（2024年6月）8

图表15：自上而下的人工智能ETF轮动策略构建框架9

图表16：GBDT+NN因子值全A周度调仓主要指标9

图表17：GBDT+NN因子多头超额净值9

图表18：筛选有效指数数量变化走势（单位：个）10

图表19：筛选有效指数分类占比（单位：只）10

图表20：GBDT+NN聚合指数因子主要指标11

图表21：GBDT+NN聚合指数因子多头超额净值走势11

图表22：各类型指数典型示例11

图表23：GBDT+NN聚合指数因子在各类型指数上主要指标12

图表24：规模类指数中近期因子排名前三指数12

图表25：GBDT+NN指数因子在各类型指数多头超额净值走势12

图表26：指数轮动策略净值走势13

图表27：指数轮动策略主要指标13

敬请参阅最后一页特别声明2

扫码获取更多服务

金融工程专题报告

图表28：人工智能ETF轮动策略净值走势14

图表29：人工智能ETF轮动策略主要指标14

图表30：人工智能ETF轮动策略分年度收益情况14

图表31：筛选股票型ETF净资产规模中位数和最小值时序变化（单位：亿元）15

图表32：人工智能ETF轮动策略净值走势（限制规模1亿元以上）15

图表33：人工智能ETF轮动策略主要指标（限制规模1亿元以上）15

图表34：TopN人工智能ETF轮动策略净值走势16

图表35：TopN人工智能ETF轮动策略主要指标16

敬请参阅最后一页特别声明3

扫码获取更多服务

金融工程专题报告

一、人工智能选股回顾

在之前的研究报告中，我们使用了GBDT和NN两大类模型和两种预测标签分别训练并最

终合成，在A股各宽基指数成分股上均有不错的预测效果。两类模型中，我们分别选取

了当前最有代表性，在大多数任务中表现最优的模型进行训练，详细算法说明可以参考

前期报告《Alpha掘金系列之九：基于多目标、多模型的机器学习指数增强策略》

基本框架如下图所示：

图表1：GBDT+NN