机器学习选基研究背景及意义 [page::0][page::1]

• 基金数量及规模持续扩大，选基需求高涨，传统因子线性合成难以捕捉非线性关系。

- 机器学习方法在基金选基领域具有较大潜力，能适应市场变化，提升选基的稳定性和准确性。

机器学习选基模型构建流程与因子选取 [page::2][page::4][page::5][page::6]

• 构建基金池并选择万得偏股混合型基金指数作为基准。

- 因子涵盖六因子模型、业绩动量、基金特征、资金流、交易动机等多维度共22个指标。

• 使用随机森林、XGBoost和LightGBM三种树模型预测基金下月跑赢基准的概率，采用滚动训练和5折交叉验证提高泛化能力。

- 标准化处理确保模型训练稳定，因子筛选结合特征重要性与线性表现。

机器学习模型介绍与实现机制 [page::7][page::8][page::9]

• 随机森林通过Bootstrap采样对多棵树独立训练并投票判定，增强模型稳定性。

- XGBoost采用梯度提升方式，逐步优化残差并结合正则化防止过拟合。

• LightGBM利用梯度单边采样和叶子优先生长等技术，提升运算效率与模型性能。

因子测试与回测结果 [page::9][page::10][page::11]

• 六因子模型因子IC均值较高，信息系数及多空组合表现优异，单因子年化多空收益率可观。

- 机器学习因子相比线性合成因子IC更优，分位数组合的单调性更好，多头超额净值更加稳定。

AI智选基金组合构建及策略表现 [page::12][page::13][page::14]

| 指标 | 随机森林选基 | XGBoost选基 | LightGBM选基 | 线性选基 | 基准指数 |
|----------------|------------|-----------|------------|---------|----------|
| 总收益率 | 98.36% | 99.30% | 99.72% | 79.20% | 55.20% |
| 年化收益率 | 14.17% | 14.27% | 14.32% | 3.36% | 8.87% |
| 夏普比率 | 0.68 | 0.69 | 0.69 | 0.60 | 0.48 |
| 最大回撤率 | 41.24% | 41.41% | 40.31% | 47.75% | 45.42% |
| 年化超额收益率 | 5.48% | 5.46% | 5.51% | 3.36% | - |
| 信息比率 | 0.99 | 1.01 | 1.04 | 0.87 | - |
| 超额最大回撤率 | 7.68% | 6.87% | 6.62% | 9.06% | - |
| 周平均换手率 | 35.89% | 36.17% | 36.54% | 18.66% | - |

• AI智选基金组合年化收益14.35%，超额收益5.54%，信息比率1.02，最大回撤6.59%。

- 组合在2019-2023年年度均实现正超额收益，且胜率达100%，在市场回调中表现优异。

• 三大机器学习模型因子相关性较高，但整体优于传统线性因子表现。

风险提示与总结 [page::14]

• 历史表现不代表未来，模型可能面临失效风险。

- 交易成本和市场变化可能影响策略收益。

• 基金相关数据仅作为研究参考，不构成投资建议。

- 机器学习方法增强了因子捕捉能力，适应市场变化更灵活，策略整体表现优于传统线性多因子模型。[page::14]

《智能化选基系列之六：如何用AI选出持续跑赢市场的基金？》报告详尽分析

---

一、元数据与概览

• 报告标题：智能化选基系列之六：如何用AI选出持续跑赢市场的基金？

- 作者：高智威，赵妍

• 发布机构：国金证券股份有限公司

- 发布日期：2024年7月2日

• 主题：利用机器学习（AI）技术构建基金选基因子，筛选持续跑赢市场的基金组合，聚焦中国公募主动权益类基金市场。

本报告为国金证券金融工程团队智能化选基系列之第六篇，深入探讨机器学习方法应用于主动权益基金定量精选。核心论点是建立在机器学习框架下的量化选基方案，可以捕捉因子间复杂非线性关系，克服传统线性因子合成的共线性与长期有效性不足，提升基金组合的超额收益与稳定性。报告构建了基于随机森林、XGBoost及LightGBM三类树模型的机器学习选基因子，结合滚动交叉验证训练策略，为基金未来月度超越基准概率打分，最终通过等权合成构建AI智选基金因子，并有效地驱动基金组合实现显著超额收益和良好风险风险调整表现。[page::0,1]

---

二、逐节深度解读

2.1 机器学习选基研究背景

• 传统线性量化选基方法通过基础特征、业绩动量、持有人结构、交易特征等因子合成，因存在因子多重共线性、不能捕捉非线性关系，且在市场不同环境下表现波动，长期稳定跑赢市场难度较大。

- 中国基金市场规模和数量自2010年以来急剧增长，截至2024年5月底，公募基金管理规模突破29万亿元，基金数量突破11900只，特别是主动权益基金持续扩容，增加了量化选基的应用价值和市场空间。

• 与成熟的股票市场相比，基金数据更新频率较低，信息披露限制了因子构建的实时性，但机器学习仍能够通过历史数据捕捉有价值的信号。

- 学术文献及实证研究表明，机器学习方法如Boosted Regression Trees（BRT）、前馈神经网络和Gradient Boosted Trees能显著提升基金经理技能识别和超额收益预测能力，获得高夏普比率表现，表现优于传统多因子模型。[page::1,2]

图表分析：

• 图表1与2（公募基金及主动权益基金规模变化曲线）显示基金总规模和数量稳步增长，特别是主动权益基金增长强劲，说明市场机会不断增加。

- 图表7（2010年以来万得偏股混合型基金指数与宽基指数净值对比）表现优异，累计收益超过100%，显著跑赢沪深300等代表性基准，奠定了本研究基准选择的合理性。

---

2.2 机器学习模型选基流程与基金池构建

• 要点在于：构建基准基金池，计算多维度因子，采用机器学习模型训练与调参，生成选基信号，构建并回测策略。

- 基金池筛选覆盖普通股票型、偏股混合型、灵活配置型，份额类型限定为A类或无份额区分，时间覆盖2010年至2024年，基金池中有效标的数目从323支增长至3881支。

• 结合业绩动量、基金特征、资金流动、交易动机、财务报表等多种角度构建因子，采用随机森林、XGBoost、LightGBM三大树模型，利用滚动训练（训练94个月，测试3个月，5折交叉验证，5个随机种子取均值）进行模型训练预测基金下月跑赢基准概率，输出多因子机器学习选基因子。

- 标签设定为二分类，基金月度超越万得偏股混合型基金指数组标记为1，否则为0。

• 为了真实模拟，预测基因子时间点调整至下个月首个交易日。

图表分析：

• 图表3（机器学习选基流程）明确说明了数据准备到策略构建全过程，逻辑清晰。

- 图表5（基金池数量增长曲线）显示基金池规模持续扩大，保障算法充足数据支撑。

---

2.3 因子构建与机器学习模型

• 从前期研究和学术文献获得的启发，六因子模型（市场、规模、价值、盈利能力、投资风格、动量）比四因子模型表现更优，因子如回归模型截距项及其t值与基金超额收益存在显著正相关。

- 结合基金流动性、费用率、基金成立时间、持有人结构、绩效动量指标（如信息比率、夏普比率）、交易动机等多维因子，共构建22个基础因子。

• 选择随机森林、XGBoost、LightGBM三种常见树模型进行训练，因树模型适合样本量相对较小的数据，且具有较强泛化能力和较好解释性。

- 机器学习模型不仅能拟合线性规则，也能利用树模型固有的非线性分裂判定捕获复杂的因子交互关系。

• 采用滚动训练与交叉验证结合方式，确保模型在非平稳市场中的适应能力和稳定性。

图表分析：

• 图表8（六因子模型变量介绍）清晰解释六因子的经济含义；

- 图表13（机器学习模型特征重要性前10大）： 显示模型对多种业绩动量指标如线性回归截距项t值（tconst）、信息比率（ICP1Y）、夏普比率（SRP1Y）等因子赋予较高重要性，反映这些指标对预测基金表现具有较强贡献。

---

2.4 机器学习算法细节解析

• 决策树及其集成模型是本报告机器学习方法的核心，包括随机森林（Bagging集成）、XGBoost和LightGBM（Boosting集成）。

- 随机森林靠随机采样和特征子集选择生成多颗决策树，再通过投票或均值减少过拟合。

• XGBoost基于梯度提升原理，利用二阶导数优化目标函数，加入正则化防止过拟合，实现更精细树拟合。

- LightGBM利用梯度单边采样（GOSS）和互斥特征捆绑（ETB），叶节点优先分裂（Leaf-wise），显著提升训练速度和效率。

图表分析：

• 图表16、17、18分别展示随机森林、XGBoost、LightGBM算法结构与工作原理，帮助读者理解集成树模型如何提升预测性能。

---

2.5 因子回测与多模型表现比较

• 利用IC（Rank IC）测试因子预测下期收益率的相关性，绝对值越高代表预测力越强。

- 多因子分组测试：将基金分为20组，Top10%对Bottom10%形成多空组合，通过多空收益及Sharpe比率评价因子表现。

• 回测样本区间为2019年2月至2024年4月，回测条件严格控制基金经理换人、份额类型、基金类型。

- 22个基础因子经标准化处理测试，动量类因子如过去750日线性回归截距t值（tconst750_zs）表现最佳，IC达0.48，t值3.76，多空年化收益9.11%，Sharpe达1.79，最大回撤仅3.52%。

• 对比传统线性等权合成因子，机器学习因子IC均值更优（约3.0%左右），多头收益和稳定性均有优势。

- 多个机器学习模型因子单独及合成回测显示均有正超额收益，XGBoost和LightGBM略优于随机森林。

• 多因子机器学习合成因子表现最好，IC均值3.03%，t统计1.27，多空Sharpe0.83，多空最大回撤10.33%，年化多头超额收益4.82%。

图表分析：

• 图表20、21详细罗列多因子单期IC均值、年化收益、Sharpe比率与最大回撤等风险收益指标，数据裸露且清晰。

- 图表22-27展示随机森林、XGBoost、LightGBM因子分位数组合表现和超额净值曲线对比图，机器学习因子多头净值曲线普遍优于线性组合，且分位组合显单调性和稳定性。

• 图表28-30展示机器学习合成因子（AI智选基金因子）相较单模型及线性组合进一步优化的优势。

---

2.6 AI智选基金组合构建与策略表现

• 基金组合通过每月调仓，选取权益占比≥60%、份额类型符合、投资类型为普通股票型、偏股混合型或灵活配置型的基金；保证基金经理稳定未更换。

- 每月依据AI智选因子排名筛选前5%基金等权配置，采取单边手续费0.375%、换手率缓冲30%的交易规则。

• 三大机器学习模型策略在2019-2023年实现每年正超额收益，年化收益率均超过14%，最高达14.32%。最大回撤约在40%，均优于基准和线性因子组合。

- AI智选基金组合（机器学习模型结果等权合成）表现更优，实现年化收益14.35%、年化超额收益5.54%，信息比率1.02，超额最大回撤6.59%，月均双边换手率约35.4%。

• 除2021年市场波动较大影响，整体组合年度超额收益保持稳健，显著跑赢线性模型及基准指数。

图表分析：

• 图表31、32详细列出三大模型策略与线性选基策略的收益、夏普、波动率、最大回撤、信息比率等指标。

- 图表33说明机器学习模型间因子相关性较高（随机森林与XGBoost相关高达0.96以上），但与线性因子相关性低于0.75，体现非线性挖掘的特征差异。

• 图表34、35展示AI智选基金组合累计超额净值与净值走势，明显跑赢基准。

- 图表36、37进一步归纳组合统计指标与历年超额收益，强调组合稳定性及超额收益的持久性。

---

2.7 风险提示

• 历史统计与建模结果不必然等同未来表现，市场环境变化可能导致模型失效。

- 策略依赖历史数据和特定假设，交易成本、市场风格等变化可能造成收益下滑甚至亏损。

• 基金相关资料仅供研究，不构成募集或宣传材料。

---

三、图表深度解读总结

1. 资金和基金数量增长（图1-3）反映市场深度提升，为机器学习提供丰富训练样本基础。

2. 基准指数表现（图7）显示权益基金整体优于宽基指数，合理作为回归基准。

1. 机器学习选基流程图（图3、15）表述了从数据准备、因子构造、模型训练到策略构建的系统方法。

4. 因子重要性（图13）显示动量及业绩相关因子权重较重，且模型对多层次动量指标均敏感。

1. 多模型因子表现（图20-30）明确机器学习因子均具备更强的预测能力，分位组合表现更稳定，年化超额收益稳定且显著。

6. 策略综合表现（图31-37）机器学习策略不仅收益率优于基准，同时信息比率和最大回撤表现稳健，回测时间跨度长达5年，体现策略具有较好的抗风险和稳定性。

1. 相关性分析（图33）证明机器学习因子虽相关度高，但各模型在细节上能带来组合优化空间。

---

四、估值分析

本报告并未涉及直接的企业估值模型，而侧重于机器学习模型下基金的相对表现预测，以及由此驱动的基金筛选组合构建。

---

五、风险因素评估

报告明确指出：

• 历史数据分析与模型回测不代表未来表现，模型存在失效风险，尤其是市场结构、政策、流动性变化。

- 策略基于特定假设，交易成本等外部变化可能造成组合回撤及收益下降。

• 机器学习模型对训练数据依赖较大，极端行情和数据缺失可能带来风险。

- 投资者应谨慎使用，相关信息不构成募集宣传。

---

六、批判性视角与细微差别

• 报告整体逻辑严密，方法透明，但部分假设依赖于历史数据的稳定性，若市场剧烈变动或结构性破坏，模型泛化能力受限。

- 机器学习模型因训练数据量相对基金标的较少，模型复杂度和表现间存在权衡，未来可考虑深度学习等新技术提升。

• 模型因子之间高相关性虽有利于聚合稳定超额收益，但也可能降低多样化效应，建议后续引入更丰富异质数据源补充。

- 关于交易成本、流动性风险量化尚缺乏详细敏感性分析，实际操作中需关注换手率对收益的侵蚀。

• 线性模型在IC显示中表现出更高的风险调整IC，与机器学习模型IC值存在一定分歧，可能表明传统模型在某些风险维度的优势，建议结合多模型以提升稳健性。

---

七、结论性综合

国金证券金融工程团队的此份报告深入剖析并实证验证了基于机器学习的基金选基方法，相较传统线性多因子模型具备以下显著优势：

• 通过对基金的多维度基础特征、业绩动量、交易动机和持有人结构等22个精选因子，利用随机森林、XGBoost和LightGBM三大机器学习模型预测基金下月能否跑赢偏股混合型基金指数的概率。

- 采用滚动训练、五折交叉验证、随机种子均值等稳健机器学习策略，提高了模型的泛化能力和稳定性，对因子的非线性关系捕捉更充分。

• 机器学习模型输出的选基因子IC均值平均3%左右，因子多空组合年化收益稳定，单个模型年化超额收益均超4%，三模型合成后的AI智选基金因子表现更优，年化超额收益率达4.82%，多空Sharpe 0.83。

- 基于机器学习因子的基金组合（2019-2024年）获得14.35%年化收益，超越基准5.54%，信息比率1.02，超额最大回撤6.59%，显示机器学习因子在实际选基中的显著优势。

• 策略历年超额收益在2019-2023年均为正（连续5年稳定跑赢市场），在2021年市场调整阶段表现尤为突出，优于传统线性模型策略。

- 机器学习模型存在因子相关性较高的特点，但其对传统线性因子的补充和替代效果明显。

• 报告同时指出历史规律不代表未来，突显投资风险，强调对模型失效、市场环境变化和交易成本的谨慎。

整体来看，本报告展示了机器学习方法在中国公募主动权益基金选基领域的现实应用潜力，提供了一套完整且经实证验证的智能化基金优选框架和策略，具备较强的市场指导意义与参考价值。

---

重要图表示意示范

• 机器学习选基流程示意图

• 基金池数目变化趋势

• 机器学习模型特征重要性分布

• 机器学习方法示意图（训练与交叉验证）

• 机器学习策略表现对比

• AI智选基金组合净值表现

---

结语

本报告严谨利用机器学习在基金选基中的新兴应用，深刻揭示了通过非线性模型捕捉多因子复杂关系对提升基金组合表现的重要作用，是智能量化投资领域的有益实践与系统范例。同时，报告也诚信披露了策略的局限性与风险，有助于投资者保持理性和审慎。

整个研究框架具备良好复现性与扩展空间，未来有望结合更高频数据、深化模型复杂度，实现选基策略进一步优化和稳定提升。

以上分析基于报告完整内容及图表数据，溯源页码详见各处标注。[page::0-14]

---

如需进一步细化解读某一章节或模型技术细节，欢迎提出。

报告