![{w:100}](/wiki/api/attachments.redirect?id=558b0dad-4369-4ac4-

摘要

本周全A选股（沪深300行业市值中性）朴素贝叶斯表现最好本周沪深300涨跌幅为-5.85%。本周3个模型跑赢基准，超额收益最高的模型是朴素贝叶斯，该模型本周获得绝对收益-5.40%，超额收益0.45%。 最近一月超额收益最高的模型是随机森林，该模型最近一月获得绝对收益，超额收益1.13

摘要

特征选择是人工智能选股策略的重要步骤，能够提升基学习器的预测效果特征选择是机器学习数据预处理环节的重要步骤，核心思想是从全体特征中选择一组优质的子集作为输入训练集，从而提升模型的学习和预测效果。 我们将特征选择方法应用于多因子选股，发现特征选择对逻辑回归_6m、基学习器的预测效果有一定

摘要

上一篇报告中重点介绍的HM与TM两大经典的择时能力分析模型在实际使用中实则存在一定的缺陷。本篇报告首先对经典模型的潜在问题进行反思，并给出一些评估基金择时能力的替代方案，以供投资者参考。

经典的HM与TM模型所存在的问题：TM模型假设了基金经理对Beta的调整是如同二次项变化轨迹的“

摘要

本文依然延续因子剥离系列的前序报告，围绕基金超额收益的来源以及进行探讨与分析，然而不同的是本文切入的是一个新的视角，尝试对基金的内部进行进一步的拆分，思考基金主动管理的从何而来。

基金的Alpha从何而来？Alpha特指基金管理人的投资管理能力，其两个重要的源泉分别为：选股能力和择时

本篇报告是我们行业基本面选股系列的第十篇，重点关注房地产。该行业以住宅地产为主，其余细分领域规模较小且商业模式存在明显区别，因此本篇报告将着眼于住宅地产行业寻找其选股逻辑，并对相关指标进行全面验证，挖掘其中有效的基本面选股指标，并构造住宅地产行业内基本面选股策略，供投资者参考。

**利润表失效，

报告摘要

1.市场继续处于下行趋势。当前反弹进入3150—3200附近的强阻力区域，在大格局仍为下行趋势的背景下，突破强阻力区域改变格局为小概率事件。建议谨慎应对，耐心等待下一次入场机会； 2.主动权益基金股票仓位整体保持平稳。其中医药、食品饮料、银行、非银金融、电子等行业的仓位下降，基

摘要

库存变化是供需平衡表分析的灵魂作为商品基本面分析灵魂的供需平衡表显示：库存是供需相对强弱的体现。

真实库存难以统计，研究具有代表性的库存指标变化更有意义。本文采用自上而下的方法，从宏观经济基本面入手，结合微观行业和品种特征对黑色系商品的库存变化这一流量概念展开研究，并构建库存同比增速预

报告摘要

美股：估值重回合理区间，道指继续做多

市场有观点认为长短期限利差收窄预示美国经济危机风险，即使美国经济数据不弱，投资者依然表现出避险情绪。我们认为：一、历史上 10-1 国债收益率真正倒挂的样本有限，也曾若干次利差收敛到当前幅度。经济衰退期（NBER 经济研究局）基本出现在

摘要

本报告以上市公司年报业绩预告发布之后的变脸现象为研究对象, 采用多项模型，从上市公司的财务、公司治理以及业绩预告信息的角度对其进行预测。

在市场整体风险偏好较低的阶段，投资者的关注会从收益端转向风险端，因此，2016 年以来风险端驱动的策略收益更加显著

上市公司的业绩变脸分为正向变

摘要

时序交叉验证方法适用于时间序列数据，能够有效防止过拟合交叉验证是选择模型最优超参数的重要步骤，本文关注传统交叉验证和时序交叉验证的比较。我们采用机器学习公共数据集以及全A选股数据集，分别比较两种交叉验证方法的表现。结果表明，对于时序数据，时序交叉验证方法在训练集上的表现相对较差，但是在

摘要

时序交叉验证方法适用于时间序列数据，能够有效防止过拟合交叉验证是选择模型最优超参数的重要步骤，本文关注传统交叉验证和时序交叉验证的比较。我们采用机器学习公共数据集以及全A选股数据集，分别比较两种交叉验证方法的表现。结果表明，对于时序数据，时序交叉验证方法在训练集上的表现相对较差，但是在

摘要

动量效应是由Jegadeesh和提出的，是指股票的收益率有延续原来的运动方向的趋势，即过去一段时间收益率较高的股票在未来获得的收益率仍会高于过去收益率较低的股票•经济学解释：趋势交易，市场反应不足。

反转效应是由DeBond与提出，与动量效应相对，指过去一段时间收益率较高的股票在未来

摘要

本周全A选股（非行业中性）随机森林表现最好本周中证500涨跌幅为-5.90%。本周4个人工智能组合跑赢基准，超额收益最高的策略是随机森林，该策略本周获得绝对收益-3.64%，超额收益。最近三月超额收益最高的策略是随机森林，该策略最近三月获得绝对收益-6.05%，超额收益9.37%。最近

摘要

本周全A选股（非行业中性）随机森林表现最好本周（2018/03/05至2018/03/09）中证500涨跌幅为2.49%。本周6个人工智能组合跑赢基准，超额收益最高的策略是随机森林，该策略本周获得绝对收益3.82%，超额收益1.33%。最近三月（2017/12/11至2018/03/0

\

简介

本教程旨在介绍如何使用TensorFlow以及LSTM神经网络进行深度学习（了解更多机器学习请参见教程

@ML@ML

）。本教程的演示方法为：以实数序列的预测模型为例进行论述，并对股票价格或股指指数进行实测。

序列数据

本教程将使用神经网络作为序列数据的预测模型。接下来我

摘要

本周市值、beta 因子表现出色，盈利、财务质量因子继续表现良好本周表现最好的因子是市值、beta 因子，在各指数成份股票池均有不错收益，其中市值因子在全 A 股票池、beta 因子在沪深 300 成份股票池表现突出。盈利、财务质量因子继续表现良好。估值、成长、反转、波动率、换手率、技

摘要

本周估值、盈利、财务质量因子表现良好，beta、技术因子回撤本周基本面类因子总体表现较好，其中只有成长因子表现稍显平淡，估值、盈利、财务质量因子表现均比较出色。市值因子表现出现分歧，在中证500成份股票池出现回撤，在沪深300成份股票池表现出色。本周价量类因子表现优劣互现，波动率因子在

摘要

将周期三因子引入随机森林模型中构建带有因子择时效应的选股策略本报告中，我们将多因子截面数据和华泰周期三因子进行合并，构建了因子择时+选股一体化的随机森林模型。周期三因子在随机森林模型中起到了状态切换的作用，不同状态下对应不同的截面因子选股逻辑。加入周期三因子的随机森林模型能获得更好的回

摘要

房地产企业因为其项目导向的特点，净资产值估值法（NAV）是行业内通用的估值方法。以项目为基础的业绩并不具有很强的连续性，历史业绩与未来业绩没有非常强的关联，故仅仅使用市盈率等估值指标并不能很好的代表公司未来的价值。尽管NAV方法的数据要求与假设非常多，但这并不妨碍我们参考其思路来构建新

摘要

本周市值、反转、波动率、换手率、技术等价量相关因子表现较好本周价量相关因子表现较好，基本面相关因子表现一般。市值、反转、波动率、换手率、技术因子的表现整体相差不多，其中反转、波动率、换手率因子在全A股票池中表现比较突出；beta因子在沪深300成份股票池表现较好，在其余股票池表现一般；

摘要

本周全A选股（非行业中性）XGBoost表现最好本周中证500涨跌幅为0.06%。本周7个人工智能组合跑赢基准，超额收益最高的策略是XGBoost，该策略本周获得绝对收益1.40%，超额收益。最近三月超额收益最高的策略是SVM，该策略最近三月获得绝对收益12.15%，超额收益10.12

摘要

本周全A选股（非行业中性）SVM表现最好本周中证500涨跌幅为1.39%。本周5个人工智能组合跑赢基准，超额收益最高的策略是SVM，该策略本周获得绝对收益2.73%，超额收益1.34%。 最近三月超额收益最高的策略是SVM，该策略最近三月获得绝对收益，超额收益8.71%。最近一年超额收

摘要

市场震荡回调，组合本周表现各异本周，华泰高股息率模型获得绝对收益-1.04%；低市收率模型获得绝对收益-1.90%；相对市盈率模型获得绝对收益-0.03%；沪深300指数涨幅为；中证500指数涨幅为-0.98%。市场震荡回调，华泰基本面量化选股模型本周表现各异，其中：相对市盈率模型跌幅

摘要

本周价量型因子均表现较好，beta因子效果突出，基本面型因子表现一般本周价量型因子均表现较好，其中beta因子效果最突出，在各种类别的股票池内IC值都很高且稳定；价量型因子中的反转、波动率、换手率、技术因子表现也不错，在各类股票池效果稳定，其中换手率、波动率因子在全A股票池中效果比较突