上周沪深300 内选股模型超额收益表现较好

    　　上周沪深300 内选股模型超额收益表现较好，有5 个机器学习模型跑赢基准。

    　　自2019 年3 月23 日开始，本周报对XGBoost 中证500 增强模型（半月频调仓）进行深度跟踪。2011 年回测以来，该模型年化超额收益率为17.24%，超额收益最大回撤为5.06%，信息比率为3.23。2020 年以来获得绝对收益3.02%，超额收益-1.58%。上周模型获得绝对收益-0.39%，超额收益-0.94%。

    　　2019 年以来全A 选股（沪深300 行业市值中性）逻辑回归表现最好

    上周沪深300 涨跌幅为-0.20%。上周2 个模型跑赢基准，超额收益最高的模型是SVM，该模型上周获得绝对收益-0.04%，超额收益0.16%。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2.96%，超额收益0.16%。2019 年以来超额收益最高的模型是逻辑回归，该模型2019 年以来获得绝对收益43.55%，超额收益3.63%。2019 年以来RankIC均值最高的模型是随机森林，该模型RankIC 均值为0.123。

    　　2019 年以来全A 选股（中证500 行业市值中性）Stacking 表现最好

    上周中证500 涨跌幅为0.54%。上周超额收益最高的模型是SVM，该模型上周获得绝对收益0.38%，超额收益-0.16%。最近一月超额收益最高的模型是XGBoost，该模型最近一月获得绝对收益4.18%，超额收益-1.05%。

    　　2019 年以来超额收益最高的模型是Stacking，该模型2019 年以来获得绝对收益42.97%，超额收益9.62%。2019 年以来RankIC 均值最高的模型是随机森林，该模型RankIC 均值为0.123。

    　　2019 年以来沪深300 指数内选股SVM 表现最好

    上周沪深300 涨跌幅为-0.20%。上周5 个模型跑赢基准，超额收益最高的模型是随机森林，该模型上周获得绝对收益0.45%，超额收益0.65%。最近一月超额收益最高的模型是SVM，该模型最近一月获得绝对收益2.95%，超额收益0.15%。2019 年以来超额收益最高的模型是SVM，该模型2019 年以来获得绝对收益38.02%，超额收益-1.89%。2019 年以来RankIC 均值最高的模型是XGBoost，该模型RankIC 均值为0.038。

    　　2019 年以来中证500 指数内选股SVM 表现最好

    上周中证500 涨跌幅为0.54%。上周1 个模型跑赢基准，超额收益最高的模型是SVM，该模型上周获得绝对收益1.04%，超额收益0.49%。最近一月超额收益最高的模型是SVM，该模型最近一月获得绝对收益6.11%，超额收益0.88%。2019 年以来超额收益最高的模型是SVM，该模型2019年以来获得绝对收益37.48%，超额收益4.13%。2019 年以来RankIC 均值最高的模型是逻辑回归，该模型RankIC 均值为0.082。

    　　2019 年以来中证800 指数内选股XGBoost 表现最好

    上周中证800 涨跌幅为-0.02%。上周超额收益最高的模型是XGBoost，该模型上周获得绝对收益-0.28%，超额收益-0.26%。最近一月超额收益最高的模型是XGBoost，该模型最近一月获得绝对收益3.18%，超额收益-0.20%。2019 年以来超额收益最高的模型是XGBoost，该模型2019 年以来获得绝对收益38.62%，超额收益0.28%。2019 年以来RankIC 均值最高的模型是逻辑回归，该模型RankIC 均值为0.064。

    　　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，存在失效的可能。人工智能模型可解释程度较低，使用须谨慎。