华泰 | 金工：AI 概念模型看好微盘股等概念（阅）

AI概念指数轮动模型使用神经网络多频率因子对72个Wind热门概念指数打分并构建周频调仓策略，每周选取10个概念指数等权配置。截至2023年8月18日，模型未来一周将持有万得微盘股、万得光模块(CPO)、中药精选、保险精选、独家药等指数。截至2023年8月18日，AI中证1000增强组合相对中证1000上周超额收益1.17%，今年以来超额收益为10.51%。截至2023年8月18日，机构调研选股组合相对中证500近一月超额收益为-0.81%，今年以来超额收益为22.24%。截至2023年8月18日，AI多策略500增强模型上周超额收益为0.64%，今年以来超额收益为5.30%。截至2023年8月18日，文本FADT_BERT组合上周绝对收益为0.81%，今年以来绝对收益为11.80%，相对中证500超额收益13.28%。截至2023年8月18日，FADT组合上周绝对收益为0.36%，今年以来绝对收益为4.59%，相对中证500超额收益6.07%。

核心观点

AI概念指数轮动模型未来一周看好万得微盘股、万得光模块等概念

AI概念指数轮动模型使用神经网络多频率因子对72个Wind热门概念指数打分并构建周频调仓策略，每周选取10个概念指数等权配置。模型2018年初回测以来年化收益率为28.48%，相对等权基准年化超额收益率为17.89%，今年以来超额收益率为9.36%。截至2023年8月18日，模型未来一周将持有万得微盘股、万得光模块(CPO)、中药精选、保险精选、独家药等指数。AI主题指数轮动模型未来一周将持有上证金融、中证红利、中证中药、上海国企、300非银指数。

AI中证1000增强组合上周超额收益1.17%，今年以来超额收益10.51%

截至2023年8月18日，AI中证1000增强组合相对中证1000上周超额收益1.17%，今年以来超额收益为10.51%。模型2018年初回测以来相对中证1000年化超额收益率为26.57%，年化跟踪误差为7.69%，信息比率为3.46，超额收益最大回撤为6.84%，超额收益Calmar比率为3.88。

机构调研选股组合近一月超额收益-0.81%，今年以来超额收益22.24%

截至2023年8月18日，机构调研选股组合相对中证500近一月超额收益为-0.81%，今年以来超额收益为22.24%。模型回测以来年化收益率为28.42%，相对中证500年化超额收益率为22.80%，信息比率为2.16，超额收益最大回撤为14.42%。

AI多策略500增强模型上周超额收益0.64%，今年以来超额收益5.30%

截至2023年8月18日，AI多策略500增强模型上周超额收益为0.64%，今年以来超额收益为5.30%。模型2011年初回测以来年化超额收益率为18.74%，年化跟踪误差为5.88%，信息比率为3.19，超额收益最大回撤为7.66%，超额收益Calmar比率为2.45。

文本FADT_BERT组合今年绝对收益11.80%，相对中证500超额13.28%

截至2023年8月18日，文本FADT_BERT组合上周绝对收益为0.81%，今年以来绝对收益为11.80%，相对中证500超额收益13.28%。自2009年初回测以来年化收益率43.15%，相对中证500超额年化收益34.24%，组合夏普比率1.51。

文本FADT组合今年绝对收益4.59%，相对中证500超额6.07%

截至2023年8月18日，FADT组合上周绝对收益为0.36%，今年以来绝对收益为4.59%，相对中证500超额收益6.07%。自2009年初回测以来年化收益率39.10%，相对中证500超额年化收益30.57%，组合夏普比率1.34。

正    文

01 AI概念指数轮动模型表现跟踪

华泰金工AI概念指数轮动模型构建方法如下：

1.概念指数池：选取Wind热门概念指数，共有72个概念指数。

2.因子：神经网络多频率因子，参见报告《神经网络多频率因子挖掘模型》（2023.5.11）。使用概念指数成分股的因子得分对每个概念指数打分。

3.策略规则：每周最后一个交易日选择模型得分最高的10个概念指数等权配置，以下周第一个交易日收盘价买入，周频调仓，交易成本为双边万分之四。

模型未来一周将持有万得微盘股、中药精选、万得光模块(CPO)、保险精选、独家药等指数。模型得分前20指数如下。

02 AI主题指数轮动模型表现跟踪

华泰金工AI主题指数轮动模型构建方法如下：

1.主题指数池：根据Wind的ETF基金分类，选取主题ETF基金跟踪的指数形成主题指数池，共有133个主题指数。

2.因子：神经网络多频率因子，参见报告《神经网络多频率因子挖掘模型》（2023.5.11）。使用主题指数成分股的因子得分对每个主题指数打分。

3.策略规则：每周最后一个交易日选择模型得分最高的10个主题指数等权配置，以下周第一个交易日收盘价买入，周频调仓，交易成本为双边万分之四。

模型未来一周将持有上证金融、中证红利、中证中药、上海国企、300非银指数。模型得分前20指数如下。

03 AI中证1000增强组合表现跟踪

华泰金工中证1000增强组合构建方法如下：

1.因子：包含估值、成长、财务质量、技术、预期、神经网络多频率因子等。神经网络多频率因子参见报告《神经网络多频率因子挖掘模型》（2023.5.11）。

2.因子合成模型：Boosting模型。

3.组合构建方式：控制行业和市值暴露，个股权重偏离上限为1%，成分股权重占比为80%，周频调仓，交易费用为单边千分之二。

截至2023年8月18日，AI中证1000增强组合相对中证1000上周超额收益1.17%，今年以来超额收益为10.51%。模型2018年初回测以来相对中证1000年化超额收益率为26.57%，年化跟踪误差为7.69%，信息比率为3.46，超额收益最大回撤为6.84%，超额收益Calmar比率为3.88。

04 机构调研选股组合表现跟踪

参考华泰金工报告《利用文本和反转改进机构调研选股》(2023.2.9)，机构调研选股组合构建方法如下：

1.将研报文本因子和一致预期EPS季度环比变化率因子标准化后等权合成，在每个调仓日剔除合成因子排名后10%的股票。

2.在第1步筛选的股票中，计算过去60个交易日个股相对中证500的累积超额收益，在每个调仓日剔除超额收益排名前60%的股票。

3.在第2步筛选的股票中，按照过去60个交易日调研次数排序选取前30只股票作为策略持仓，股票的权重为log(调研次数)。

4.策略在每月第一个交易日以当日vwap价格调仓，交易成本为双边千分之三。策略基准为中证500。

截至2023年8月18日，机构调研选股组合相对中证500近一月超额收益为-0.81%，今年以来超额收益为22.24%。模型回测以来年化收益率为28.42%，相对中证500年化超额收益率为22.80%，信息比率为2.16，超额收益最大回撤为14.42%。

05 AI多策略选股模型近期表现

AI多策略选股模型应用如下华泰金工研究成果：

1.《人工智能55：图神经网络选股的进阶之路》（2022-04-11）的残差图注意力网络。

2.《人工智能67：AI模型如何一箭多雕：多任务学习》（2023-05-06）多任务学习网络。

将上述网络预测值静态加权，构建中证500指数增强组合，定期跟踪模型表现。组合为周度换仓，单次换仓单边换手率上限为15%，回测交易费率单边千分之二。选股因子、测试流程等细节请参见原文。

截至2023年8月18日，AI多策略500增强模型上周超额收益为0.64%，今年以来超额收益为5.30%。模型2011年初回测以来年化超额收益率为18.74%，年化跟踪误差为5.88%，信息比率为3.19，超额收益最大回撤为7.66%，超额收益Calmar比率为2.45。

06 文本FADT_BERT选股组合近期表现跟踪

华泰金工研报《人工智能62：再探文本FADT选股》（2022-10-28）中，我们对盈利预测调整场景下的文本因子进行升级，构建了forecast_adjust_txt_bert因子，并基于该因子的多头端基础股票池进行增强，构建top25的主动量化选股组合文本FADT_BERT（forecast-adjust-text portfolio BERT版）。

截至2023年8月18日，文本FADT_BERT组合上周绝对收益为0.81%，今年以来绝对收益为11.80%，相对中证500超额收益13.28%。自2009年初回测以来年化收益率43.15%，相对中证500超额年化收益34.24%，组合夏普比率1.51。

07 文本FADT选股组合近期表现跟踪

华泰金工研报《人工智能57：文本FADT选股》（2022-07-01）我们在分析师盈利预测调整的场景下对相关研报的标题和摘要进行情感分析，构建了forecast_adj_txt因子，并基于该因子的多头端基础股票池进行增强，构建top25的主动量化选股组合FADT（forecast-adjust-text portfolio）。

截至2023年8月18日，FADT组合上周绝对收益为0.36%，今年以来绝对收益为4.59%，相对中证500超额收益6.07%。自2009年初回测以来年化收益率39.10%，相对中证500超额年化收益30.57%，组合夏普比率1.34。

风险提示：

通过人工智能模型构建选股策略是历史经验的总结，若市场规律改变，存在失效的可能。人工智能模型可解释程度较低，归因较困难，使用须谨慎。