基于AI预测中的个股Beta信息构建ETF轮动策略

文章预览

+ 目录 一、人工智能选股回顾 二、ETF指数投资现状 三、自下而上的人工智能ETF轮动策略构建 3.1 聚合 3.2 筛选 四、TopN人工智能ETF轮动策略 五、总结 风险提示 摘要 ■ 投资逻辑   个股Alpha因子聚合到指数的方法探究 前期构建的AI选股框架中，我们以GBDT和NN两类模型分别针对不同类型特征数据集所得到的模型在不同宽基指数上都有较强的预测效果。为贴近市场规律，对模型重新进行周度预测训练后，经过中性化的因子样本外IC均值为11.49%，多头年化超额49.24%,多头超额最大回撤3.73%。 在个股Alpha因子聚合到指数的过程中，我们探讨尝试了是否针对因子进行中性化以及个股因子的不同加权方式比较。最终发现，由于指数最终的收益走势直接由其成分股权重决定，使用该权重进行聚合天然有相对较高的稳定收益。而在因子中性化的问题上，由于个股alpha ………………………………