基于AI算法的新能源行业量化投资策略.pdfVIP

第44卷第1期桂林电子科技大学学报Vol.44,No.1

2024年2月JournalofGuilinUniversityofElectronicTechnologyFeb.2024

DOI:10.16725/j.1673-808X.202309

引用本文：薛琳玥,迟晓妮,毛朝选,等.基于AI算法的新能源行业量化投资策略[J].桂林电子科技大学学

报,2024,44(1):36-44.

XUELinyue,CHIXiaoni,MAOChaoxuan,etal.Quantitativeinvestmentstrategyfornewenergyindustry

basedonAIalgorithm[J].JournalofGuilinUniversityofElectronicTechnology,2024,44(1):36-44.

基于AI算法的新能源行业量化投资策略

1121

薛琳玥，迟晓妮，毛朝选，王迪

（1.桂林电子科技大学数学与计算科学学院,广西桂林541004；

2.深圳点宽网络科技有限公司,广东深圳518000）

摘要：随着人工智能（AI）的广泛应用，其与量化投资的结合促进了量化金融领域的飞速发展。基于AI算法，将支持向量

机、随机森林、Adaboost和XGBoost等多种算法引入量化投资领域的多因子选股模型中，构建出不同的多因子量化投资策

略，并将其在新能源行业投资的选股绩效进行比较。选取与新能源行业关系密切的估值类、规模类、技术类、动量类等十

大类因子中的35个因子，通过IC值检验法筛选出5个有效因子，并借助AT-edu量化平台在2020年1月至2021年12月内

进行量化投资策略的滚动回测，系统性地比较了不同多因子选股模型的绩效。最后，通过策略的优化构建出符合投资者预期

利益与风险诉求的新能源行业量化投资策略。实证结果表明：无论是传统多因子选股模型，还是结合算法构建的多因子选股

模型，其策略的净值曲线均高于同期沪深300基准曲线，且相比传统的多因子选股模型，AI算法构建的多因子量化选股模型

的绩效表现更好，其中XGBoost选股模型在策略回测期间获得了最佳收益，且拥有最大的年化收益率和夏普比率。

关键词：量化投资；人工智能算法；多因子选股模型；新能源行业；策略回测

中图分类号：O213.9;F832.5文献标志码：A文章编号：1673-808X（2024）01-0036-09

QuantitativeinvestmentstrategyfornewenergyindustrybasedonAIalgorithm

1121

XUELinyue，CHIXiaoni，MAOChaoxuan，WANGDi

（1.SchoolofMathematicsandComputingScience,GuilinUniversityofElectronicTechnology,Guilin541004,China；