人工智能选股

人工智能选股是金融科技领域的一种创新实践，通过大数据分析和机器学习技术，实现了投资决策的科学化与精细化。该技术突破了传统基本面分析和技术分析的局限性，可高效、准确地从海量金融数据中挖掘出对投资有益的股票市场选择与投机策巧，改进选股的逻辑和方法，提升了投资者的盈利能力和风险控制能力。具体说来，基于先进的机器学习模型和复杂的神经网络构建的人工智能系统可通过对上市公司报表中的各项财务数据进行深度学习，精准定位出有成长潜力的优质股票。同时，人工智能选股系统还能实时抓取新闻、社交媒体等公开信息，分析市场情绪对股价的潜在影响，帮助投资者把握买卖时机。在这一领域的应用与实践已初步验证其在投资收益上的稳定性与可行性。为投资者提供了一种全新的、科学的投资工具，引领着金融投资领域的技术变革。尽管人工智能选股显示了巨大潜力，但也面临着挑战和局限性，比如模型的可解释性和实时性问题等，是众多金融科技公司和投资者关注的焦点。然而，随着技术的不断进步和应用场景的深化，相信人工智能选股将在未来金融市场中发挥越来越重要的作用，推动金融行业的智能化发展。bigquant平台也是人工智能AI选股票软件，大家可以自行选择开发策略进行量化投资。

人工智能选股周报：今年双周调仓GP_RF超额 4.42%-华泰证券-20200405

今年双周频调仓的GP_RF(“遗传规划+随机森林”模型)超额收益4.42%

今年以来双周频调仓的“遗传规划+随机森林”模型表现较好，换手率限制为60%的情况下，该模型上周超额收益为0.44%，最近一个月超额收益为2.82%，今年以来超额收益为4.42%。对于月频调仓的“遗传规划+随机森林”模型，换手率限制为120%的情况下，模型上周超额收益为-0.55%，最近一个月超额收益为0.44%，今年以来超额收益为1.78%。

全A选股模型中，今年以来收益率为标签的模型表现最好

全A选股模型中，收益率为标签的模型上周超额收益为0.87%，最近一个月超额收益为1.69%，今年以来超额

更新时间：2022-09-21 07:50

人工智能选股周报：最近一个月XGBoost稳定战胜指数华泰证券_20180805_

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%。2018年以来超额收益最高的模型是随机森林，该模型2018年以来获得绝对收益-14.16%，超额收益4.73%。2018年以来RankIC均值最高的模型是Stacking，该模型RankIC均值为0.119。本周全A选股（中证500行业市值中性）XGBoost表现最好本周中证500涨跌幅为-6

更新时间：2022-07-29 07:12

人工智能选股周报：最近3个月随机森林表现最好华泰证券_20180311_

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2018/03/09）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8.08%，超额收益9.34%。最近一年（2017/03/09至2018/03/09）超额收益最高的策略是朴素贝叶斯，该策略最近一年获得绝对收益16.61%，超额收益。本周全A选股（沪深300行业中性）随机森林表现最好本周（2018/0

更新时间：2022-07-29 06:02

人工智能选股周报：Stacking全A选股具有长期优势华泰证券_20180520_

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%。最近一年超额收益最高的策略是随机森林，该策略最近一年获得绝对收益22.28%，超额收益21.97%。本周全A选股（沪深300行业中性）Stacking表现最好本周沪深300涨跌幅为0.78%。本周超额收益最高的策略是Stacking，该策略本周获得绝对收益0.71%，超额收益-0.07%。最近

更新时间：2022-07-29 05:52

华泰人工智能系列之三：人工智能选股之支持向量机模型-华泰证券-20170804

摘要

本报告对各种核支持向量机模型以及支持向量回归进行系统测试

支持向量机（SVM）是应用法之一。线性支持向量机能够解决线性分类问题，核支持向量机则主要针对非线性分类问题，支持向量回归能够处理回归问题。本篇报告我们将对包括线性核、多项式核、高斯核和Sigmoid核在内的各种核函数支持向量机以及支持向量回归进行系统性的测试，并分析它们应用于多因子选股的异同，希望对本领域的投资者产生有实用意义的参考价值。

支持向量机模型的构建：样本内训练与交叉验证、样本外测试

支持向量机模型的构建包括特征和标签提取、特征预处理、样本内训练、交叉验证和样本外测试等步骤。最终在每个月底可

更新时间：2022-07-07 06:40

华泰人工智能系列之五：人工智能选股之随机森林模型-华泰证券-20170831

摘要

随机森林模型是以Bagging并行方法集成决策树而得到的强分类器

随机森林（RandomForest）是近年来备受青睐的机器学习方法之一。随机森林是以Bagging并行方法集成一系列决策树而训练出的强分类器，可以较好地应用于分类和回归的不同场景下。本篇报告我们将对随机森林模型进行系统性的测试，并分析它们应用于多因子选股的异同，希望对本领域的投资者产生有实用意义的参考价值。

随机森林模型的构建：7阶段样本内训练与交叉验证、样本外测试

随机森林的构建包括特征和标签提取、特征预处理、样本内训练、交叉验证和样本外测试等步骤。最终在每个月底可以产生对全部个股下期上涨概

更新时间：2022-01-17 05:51

人工智能选股周报：今年收益率~全A模型超额 13.32%-华泰证券-20200719

今年收益率-全A模型(收益率为标签，全A选股)超额收益13.32%

今年收益率-全A模型(收益率为标签，全A选股，基准为中证500)超额收益为13.32%。今年以来双周频调仓的“遗传规划+随机森林”模型表现较好，换手率限制为60%的情况下，该模型上周超额收益为0.87%，最近一个月超额收益为0.85%，今年以来超额收益为12.34%。对于月频调仓的“遗传规划+随机森林”模型，换手率限制为120%的情况下，模型上周超额收益为0.09%，最近一个月超额收益为-0.17%，今年以来超额收益为4.45%。

全A选股模型中，今年以来收益率为标签的模型表现最好

全A选股模型中，收益率

更新时间：2021-11-22 10:08

分页第1页