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,关注当期销售情况:**为解决房地产公司的资金压力,我国引入了商品房预售制度,房地产公司的收入确认严重滞后于实际销售,利润表指标质量较差。现金流量表可真实反映报告期内实际经营情况,可借助经营现金流改进传统成长、运营效率指标。此外,2015年上交所、深交所相继发布指引鼓励上市公司披露月度、季度经营数据,
更新时间:2022-07-29 07:08
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测结果,本质上利用了周期因子的两个效应:(1)在周期因子取值单调的训练期内,模型侧重于遵循离当前更近的截面期样本的投资逻辑。(2)在周期因子取值非单调的训练期内(即拐点处),模型能够利用到周期因子在拐点处所带来的增量信息。 加入周期三因子的随机森林模型选股表现有稳定的提升加入了周期三因子的随机森林模
更新时间:2022-07-29 05:54
更新时间:2021-12-14 13:12
更新时间:2021-11-30 02:54
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、XGBoost_6m基学习器的预测效果有一定提升。我们以全A股为股票池,以沪深300和中证500为基准,构建行业中性和市值中性的选股策略。基于F值和互信息的方法对于逻辑回归_6m、XGBoost_6m、XGBoost_72m基学习器的回测表现具有明显的提升效果。
**随着入选特征数的增加,模型预测效果先上升后下
更新时间:2021-11-26 07:28
系列前期报告《高频数据应用系列研究(一)——使用高频数据跟踪核心资产的公募基金持仓变化》讨论了使用高频数据对于基金披露的持仓进行持续修正,并得到个股上公募基金持仓占比预期的方法。本文在前期研究的基础之上,探讨了公募基金持仓占比预期(后文简称公募持仓预期)在选股以及行业轮动策略中的应用。
模型跟踪表现良好。对于公募持仓占比较高的股票,个股公募持仓预期具有相对较好的拟合效果。此外,基于个股公募持仓预期,可向上合成特定行业的公募持仓预期。行业公募持仓预期样本外拟合效果同样较好。
基于个股公募持仓预期构建选股因子。在构建选股因子时,可考虑从以下两个角度出发:1)刻画个股当前预期持仓
更新时间:2021-11-22 08:38
更新时间:2021-07-30 07:26
更新时间:2021-04-21 03:33