林晓明S1研究员SFCNo.BPY

何康S4研究员

SFCNo.BRB

李子钰S3研究员

SFCNo.BRV

报告发布时间：年6月26日

摘要

GAT+residual模型上周超额收益0.49%，今年以来超额收益7.73%

截至年6月24日，GAT+residual模型上周超额收益为0.49%，今年以来超额收益为7.73%。模型年初回测以来年化超额收益率为15.75%，年化跟踪误差为5.91%，信息比率为2.66，超额收益最大回撤为7.91%，超额收益Calmar比率为1.99。

沪深内，今年改进预期PE变化率因子多头组合超额收益11.22%

华泰金工在年4月7日发布了报告《基于遗传规划的一致预期因子挖掘》，使用遗传规划算法挖掘一致预期因子，本文对其中的6个因子进行跟踪。今年以来多数因子多头组合跑赢基准，其中Alpha3（改进预期PE变化率因子）多头组合在沪深成分股超额收益为11.22%，中证成分股超额收益为6.04%，全A股超额收益为10.73%。

senti_adj因子TOP组合在中证成份股内年化超额收益5.81%

华泰金工在年1月18日发布了报告《基于BERT的分析师研报情感因子》，使用BERT模型提取分析师研报中的情感构建选股因子。我们构建了两个因子senti和senti_adj，其中senti_adj对负面情感样本增大权重，更能体现研报情感因子的增量信息。因子分5层测试中，senti_adj因子的TOP组合在沪深、中证、全A股的年化超额收益分别为3.88%，5.81%，3.70%，senti因子的TOP组合在沪深、中证、全A股的超额收益分别为5.76%，5.08%，2.75%。

今年以来公募中证指数增强基金平均超额收益为3.91%

截至年6月24日，公募沪深指数增强基金上周平均超额收益为-0.46%，最近一个月平均超额收益为-1.65%，今年以来平均超额收益为2.99%。公募中证指数增强基金上周平均超额收益为0.06%，最近一个月平均超额收益为0.24%，今年以来平均超额收益为3.91%。

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。本报告对基金历史数据进行梳理总结，不构成任何投资建议。

图神经网络选股策略近期表现

华泰金工研报《人工智能55：图神经网络选股的进阶之路》（-04-11）将残差图注意力网络（GAT+residual）应用于中证指数增强组合构建，我们将定期跟踪该模型表现。模型以半衰加权mse为损失函数，半衰期为0.75。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。

截至年6月24日，GAT+residual模型上周超额收益为0.49%，今年以来超额收益为7.73%。模型年初回测以来年化超额收益率为15.75%，年化跟踪误差为5.91%，信息比率为2.66，超额收益最大回撤为7.91%，超额收益Calmar比率为1.99。

遗传规划一致预期因子表现跟踪

华泰金工在年4月7日发布了报告《基于遗传规划的一致预期因子挖掘》，使用遗传规划算法挖掘一致预期因子。本文对挖掘出的6个因子进行跟踪，因子表达和说明如下，

下图为因子今年以来分层测试超额收益表现。

以下图表为因子年4月27日以来分层测试、回归测试、IC测试表现。

分析师研报情感因子跟踪

华泰金工在年1月18日发布了报告《基于BERT的分析师研报情感因子》，使用BERT模型提取分析师研报中的情感构建选股因子，因子构建流程如下：

1.下载预训练好的中文BERT模型。

2.使用Wind有情感标注的金融舆情文本微调BERT，得到用于判断金融舆情文本情感的模型。

3.将微调后的BERT模型在无标注的分析师研报上预测情感。

4.使用传统的因子构建方法，通过分析师研报的情感分析结果构建选股因子。我们构建了两个因子senti和senti_adj，其中senti_adj对负面情感样本增大权重，更能体现研报情感因子的增量信息。

下图为因子今年以来分层测试超额收益表现。

以下图表为因子年4月27日以来分层测试、回归测试、IC测试表现。

公募指数增强基金近期表现

我们选取公募基金旗下的74只沪深指数增强基金和85只中证指数增强基金，分析指数增强产品的业绩表现。下图展示了近期沪深指数增强基金和中证指数增强基金按规模加权的平均超额收益情况。

下表展示了规模排名前5的沪深指数增强基金和中证指数增强基金。

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。本报告对基金历史数据进行梳理总结，不构成任何投资建议。

免责声明与评级说明

公众平台免责申明

本