摘要

收益复制策略的应用场景

广义的收益复制策略在许多场景中都有应用价值。较为典型的收益复制应用情景包括三类：（1）极小型股票池、低调仓频率实现宽基指数跟踪；（2）通过直接持有底层资产，近似模拟基金组合收益，降低管理费用；（3）在持股受限的情形下解决受限个股替代性持仓的权重分配问题

摘要

本文基于BERT模型构建分析师研报情感因子，因子在最近两年表现优秀

分析师研报对上市公司进行了多层面的研究分析，除了一些已经结构化的分析师因子，研报文字中对于上市公司发表的各种观点和判断也具有很大的挖掘价值。BERT是目前最先进的自然语言处理(NLP)模型，本文梳理了基于BE

摘要

本文从网络结构和特征优化的角度改进AlphaNet，回测表现更好

华泰金工前期报告《AlphaNet：因子挖掘神经网络》(2020.6.14)提出了AlphaNet-v1模型，能以端到端的方式有效提取股票原始量价数据中的因子。然而AlphaNet-v1在2019年下半年之后表

摘要

WGAN模型可应用于金融资产时间序列生成，效果优于原始GAN模型

本文探讨GAN模型的一类重要变体——WGAN，并将其运用于金融资产时间序列的生成，发现WGAN在生成数据的真实性和多样性上均优于原始GAN。原始GAN模型具有训练不同步、训练损失函数不收敛和模式崩溃的缺点。WG

摘要

本文从网络结构和特征优化的角度改进AlphaNet，回测表现更好

华泰金工前期报告《AlphaNet：因子挖掘神经网络》(2020.6.14)提出了AlphaNet-v1模型，能以端到端的方式有效提取股票原始量价数据中的因子。然而AlphaNet-v1在2019年下半年之后表

摘要

本文介绍了因果推断的框架，并研究了股票所属概念和收益的因果关系

人工智能领域中，机器学习的优势在于强大的关联挖掘能力，然而由于缺乏逻辑推理能力，机器学习无法区分数据中的因果关联和虚假关联。因果推断是用于解释分析的建模工具，可帮助恢复数据中的因果关联，有望实现可解释的稳定预测。

摘要

无监督学习对于研究资产的内在模式以及改进现有的模型具有积极意义

机器学习模型中，无监督学习是指在无标记数据中学习内在规律的模型训练方式。不同于监督学习，无监督学习难以对金融资产未来表现做出预测，但对于研究资产的内在模式以及改进现有的模型具有积极意义。按照sklearn的分类，

摘要

另类标签和集成学习有助于提升人工智能选股模型的超额收

对于量化选股模型来说，另类标签指有别于收益率的标签，也可视为一种“另类数据”。本文通过设置多种测试情形，对比了另类标签(信息比率和Calmar比率)与传统收益率标签在构建人工智能选股模型的优劣。相比收益率标签，另类标签在全

摘要

本文构建了基于量价的人工智能选股体系并测试其有效性

经过华泰金工前期报告的探索，我们认为人工智能模型已经可以很好融入多因子选股模型的因子生成和多因子合成步骤。在多因子模型的信息来源中，量价信息能提供海量的数据，是最适合AI技术运用的领域。本文构建了基于量价信息的全流程人工智能

摘要

本文介绍机器学习解释方法原理，以XGBoost选股模型为例揭开黑箱

本文介绍六种机器学习模型解释方法的原理，并以华泰XGBoost选股模型为例，尝试揭开机器学习模型的“黑箱”。机器学习多属于黑箱模型，而资管行业的伦理需要可解释的白箱模型。除传统的特征重要性外，ICE、PDP、

摘要

本文介绍了遗传规划在CTA信号挖掘中的应用，并展示了实证结果

在机器学习中，遗传规划是一个优秀的特征生成工具，本文介绍了遗传规划在CTA信号挖掘中的应用。遗传规划的优势在于能在现有的数据和运算符中进行大规模启发式搜索，同时突破人类的思维局限，挖掘出特异的、能对现有CTA策略做

摘要

尝试构建以真假序列识别为起点基于量价的主动投资研究框架

真假序列识别是检验市场有效性的有力工具。主动投资的核心是市场能否预测，如果市场无法预测，满足有效市场理论，主动投资就没有存在的价值。随机序列满足有效市场理论，无法预测。暂且抛开宏观、财务等数据，仅就交易数据看，如果人工智

摘要

基于CSCV框架计算三组量化研究案例的回测过拟合概率

本文基于组合对称交叉验证（CSCV）框架，以三组量化研究为案例展示回测过拟合概率（PBO）的计算流程，发现两组多因子选股模型的PBO较低，择时模型的PBO较高。案例1为7种机器学习模型的多因子选股策略，指数增强组合PBO大

摘要

卷积神经网络引领深度学习的发展，能够运用于多因子选股

卷积神经网络（CNN）是目前最为成熟的深度学习模型，是近年来人工智能蓬勃发展的重要推手之一，其主要特点是通过卷积和池化操作进行自动的特征提取和特征降维。本文首先通过原理分析给出了CNN运用于多因子选股的经验方法；然后在全A

卷积神经网络引领深度学习的发展，能够运用于多因子选股

[/wiki/static/upload/5f/5ffa1d9c-e066-4a6f-93b3-ebb485eb65b3.pdf](/wiki/static/upload/5f/5ffa1d9c-e066-4a6f-93b3-ebb485eb6

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、XGBoost

摘要

介绍Python安装方法、与机器学习相关的包以及常用命令

Python语言是目前机器学习领域使用最广泛的编程语言之一，拥有众多优秀的包和模块，并且相对简单易学。我们将简单介绍Python语言的特性，常用命令，以及和机器学习相关的包，例如NumPy，pandas，scikit-

摘要

报告对各种Boosting集成学习模型进行系统测试

Boosting集成学习模型将多个弱学习器串行结合，能够很好地兼顾模型的偏差和方差，该类模型在最近几年获得了长足的发展，主要包括AdaBoost、GBDT、XGBoost。本篇报告我们将对这三种Boosting集成学习模型进

摘要

本报告对朴素贝叶斯模型及线性判别分析、二次判别分析进行系统测试

“生成模型”是机器学习中监督学习方法的一类。与“判别模型”学习决策函数和条件概率不同，生成模型主要学习的是联合概率分布𝑃(𝑋,𝑌)。本文中，我们从朴素贝叶斯算法入手，分析比较了几种常见的生成模型（包括线性判

摘要

创业板50近期的强势表现离不开它的科技属性，但过往的分析通常只关注成分股本身的特征，如行业分布，等等。而科技是一个全球化分工的行业，每家公司可能只是整个生产链条中的一个环节。近期投资者颇为关注的新能源汽车和5G等主题，均属于这种类型。因此，分析创业板50在整个产业链，尤其是科技产业链中

摘要

西学东渐，是指从明朝末年到近代，西方学术思想向中国传播的历史过程。西学东渐不仅推动了中国在科学技术和思想文化方面的发展，也有力地促进了社会与政治的大变革。在今天，西学东渐仍有其重要的现实意义。作为A股市场上以量化投资为研究方向的卖方金融工程团队，在平日的工作中，常常深感海外相关领域的研

摘要

西学东渐，是指从明朝末年到近代，西方学术思想向中国传播的历史过程。西学东渐不仅推动了中国在科学技术和思想文化方面的发展，也有力地促进了社会与政治的大变革。在今天，西学东渐仍有其重要的现实意义。作为A股市场上以量化投资为研究方向的卖方金融工程团队，在平日的工作中，常常深感海外相关领域的研

摘要

西学东渐，是指从明朝末年到近代，西方学术思想向中国传播的历史过程。西学东渐不仅推动了中国在科学技术和思想文化方面的发展，也有力地促进了社会与政治的大变革。在今天，西学东渐仍有其重要的现实意义。作为A股市场上以量化投资为研究方向的卖方金融工程团队，在平日的工作中，常常深感海外相关领域的研

摘要

西学东渐，是指从明朝末年到近代，西方学术思想向中国传播的历史过程。西学东渐不仅推动了中国在科学技术和思想文化方面的发展，也有力地促进了社会与政治的大变革。在今天，西学东渐仍有其重要的现实意义。作为A股市场上以量化投资为研究方向的卖方金融工程团队，在平日的工作中，常常深感海外相关领域的研

摘要

西学东渐，是指从明朝末年到近代，西方学术思想向中国传播的历史过程。西学东渐不仅推动了中国在科学技术和思想文化方面的发展，也有力地促进了社会与政治的大变革。在今天，西学东渐仍有其重要的现实意义。

作为A股市场上以量化投资为研究方向的卖方金融工程团队，在平日的工作中，常常深感海外相关领域