信息比率

https://bigquant.com/experimentshare/5ffea17cf0ca4e78ab50a84762c2b596

\

{{membership}}

https://bigquant.com/codeshare/a04ad103-6217-4484-a57c-81cc1e64fdf6

\

{{membership}}

https://bigquant.com/codeshare/37d36e41-2184-4342-b581-9561f199eeec

\

旧版声明

本文为旧版实现，仅供学习参考。

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

新版因子分析代码：

https://bigquant.com/wiki/doc/5zug5a2q5yig5p6q5luj56cb-Od7rjBTNDQ

策略案例

[https://bigquant

https://bigquant.com/experimentshare/3e9b0e7623284f01b7e206d1a3df4b92

\

StockRanker多因子选股策略

https://bigquant.com/experimentshare/1b8882bded4c4127a6c6edc792af662d

\

更新

本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明

新版量化开发IDE（AIStudio）：

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略：

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

新版数据平

问题

\

解答

参考下这篇文档

https://bigquant.com/wiki/doc/celve-jieguo-zhibiao-xiangjie-odCSHxlMER

摘要

2018 年 5 月多因子指数增强模型沪深 300 组合跑赢基准 0.65%，月中超额收益最大回撤 0.49%。中证 500 组合跑赢基准 1.57%，月中超额收益最大回撤 0.23%。

2018 年 5 月短周期价量模型跑赢中证 500 基准指数 2.69%，月中超额收益最大回撤 0.26%。

2018 年 5 月 AI 人工智能选股模型绝对收益 2.38%，跑输沪深 300 指 数-1.51%。

2018 年 5 月 Smart Beta 选股模型组合绝对收益 4.61%，跑赢万德全 A指数 1.45%。

2018 年 5 月事件驱动选股模型组合绝对收益 5.54%，

https://bigquant.com/experimentshare/b6bb3c84df0c4da5bb0b495bc52feb06

\

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A股优势显著，能明显提升选股模型的超额收益和信息比率；另类标签在指数成分股内优势较小，仅对超额收益的提升有一定作用。本文进一步使用集成学习对多种标签构建的模型进行集成。集成模型的超额收益和信息比率有稳定提升，Calmar比率也有较好表现。集成学习也可避免使用单一模型的风险，起到“模型分散化”的效果。