截至2024年12月31日，根据全频段融合因子构建的AI中证1000增强组合2024年绝对收益为6.26%，超额收益为5.07%，自2017年初回测以来相对中证1000年化超额收益率为22.17%；文本FADT_BERT组合2024年绝对收益23.41%，超额收益17.95%。截至2024年12月31日，AI行业轮动模型超额收益率为37.49%。
2024年文本选股组合绝对收益23.41%，相对中证500超额17.95%
截至2024年12月31日，文本FADT_BERT组合2024年绝对收益23.41%，超额收益17.95%。自2009年初回测以来年化收益率40.20%，相对中证500超额年化收益32.74%，组合夏普比率1.40。
2024年全频段融合因子相对全A等权超额20.29%，AI中证1000增强超额5.07%
截至2024年12月31日，全频段融合因子2024年TOP层相对全A等权基准的超额收益为20.29%，5日RankIC均值为0.121，自2017年初回测以来TOP层年化超额收益率30.92%，5日RankIC均值0.115。根据全频段融合因子构建的AI中证1000增强组合2024年绝对收益为6.26%，超额收益为5.07%，自2017年初回测以来相对中证1000年化超额收益率为22.17%，年化跟踪误差为6.08%，信息比率为3.65，超额收益最大回撤为7.55%，超额收益Calmar比率为2.94。
2024年AI行业轮动相对等权基准超额37.49%
AI行业轮动模型使用全频段量价融合因子对32个一级行业打分并构建周频调仓策略，每周选取5个行业等权配置。模型2017年初回测以来年化收益率为25.40%，相对等权基准年化超额收益率为22.02%，2024年超额收益率为37.49%。截至2024年12月31日，模型未来一周将持有银行、房地产、非银行金融、石油石化、稀有金属5个行业。
AI主题指数轮动模型：未来一周中证软件、信息安全等或将成为热点
AI概念指数轮动模型使用全频段量价融合因子对72个概念指数打分并构建周频调仓策略，每周选取10个概念指数等权配置。模型2018年初回测以来年化收益率为20.91%，相对等权基准年化超额收益率为12.37%。截至2024年12月31日，模型未来一周将持有软件、万得微盘股、办公用品、金融科技等指数。AI主题指数轮动模型未来一周将持有中证软件、信息安全、软件指数、中证数据等指数。
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。
华泰金工使用深度学习模型对全频段量价数据进行信息提取，得到具有不错选股效果的因子（参见2023年12月8日发布的报告《基于全频段量价特征的选股模型》）。进一步使用行业成分股的量价因子得分对每个行业打分，选择得分最高的5个行业等权配置，构建自下而上的行业轮动策略。AI行业轮动模型能够利用AI模型的特征提取能力，充分挖掘多频段量价数据中的规律，与自上而下策略形成互补。
华泰金工AI行业轮动模型构建方法如下：
1. 行业池：主要为一级行业，其中食品饮料拆成食品、饮料和酒类，有色金属拆成工业金属、贵金属和稀有金属，不考虑综合和综合金融，共有32个行业。
2. 因子：全频段量价融合因子。使用行业成分股的因子得分对每个行业打分。
3. 策略规则：每周最后一个交易日选择模型得分最高的5个行业等权配置，以下周第一个交易日收盘价买入，周频调仓，不计交易成本。
模型未来一周将持有银行、房地产、非银行金融、石油石化、稀有金属5个行业。模型得分前10行业如下。
华泰金工AI概念指数轮动模型构建方法如下：
1. 概念指数池：选取Wind热门概念指数，共有72个概念指数。
2. 因子：全频段量价融合因子。使用概念指数成分股的因子得分对每个概念指数打分。
3. 策略规则：每周最后一个交易日选择模型得分最高的10个概念指数等权配置，以下周第一个交易日开盘价买入，周频调仓，交易成本为双边万分之四。
模型未来一周将推荐持有软件、万得微盘股、办公用品、金融科技等指数，模型得分前20指数如下。
华泰金工AI主题指数轮动模型构建方法如下：
1. 主题指数池：根据Wind的ETF基金分类，选取主题ETF基金跟踪的指数形成主题指数池，共有133个主题指数。
2. 因子：全频段量价融合因子，参见报告《基于全频段量价特征的选股模型》（2023.12.8）。使用主题指数成分股的因子得分对每个主题指数打分。
3. 策略规则：每周最后一个交易日选择模型得分最高的10个主题指数等权配置，以下周第一个交易日开盘价买入，周频调仓，交易成本为双边万分之四。
模型未来一周将持有中证软件、信息安全、软件指数、中证数据等指数。模型得分前15指数如下。
全频段融合因子表现跟踪
华泰金工研报《基于全频段量价特征的选股模型》（2023.12.8）中，首先用深度学习模型训练27个高频因子，得到高频深度学习因子；接着利用多任务学习对低频量价数据进行端到端挖掘，得到低频多任务因子；最后合成为全频段融合因子。
截至2024年12月31日，全频段融合因子2024年TOP层相对全A等权基准的超额收益为20.29%，5日RankIC均值为0.121，自2017年初回测以来TOP层年化超额收益率30.92%，5日RankIC均值0.115。
华泰金工中证1000增强组合构建方法如下：
1. 因子：全频段融合因子。
2. 组合构建方式：成分股权重不低于80%，个股权重偏离上限为0.8%，barra暴露小于0.3，周双边换手率控制为30%，周频调仓，交易费用为双边千分之四。
截至2024年12月31日，AI中证1000增强组合2024年绝对收益为6.26%，超额收益为5.07%，自2017年初回测以来相对中证1000年化超额收益率为22.17%，年化跟踪误差为6.08%，信息比率为3.65，超额收益最大回撤为7.55%，超额收益Calmar比率为2.94。
文本FADT_BERT选股组合近期表现跟踪
华泰金工研报《人工智能63：再探文本FADT选股》（2022-10-28）中，我们对盈利预测调整场景下的文本因子进行升级，构建了forecast_adjust_txt_bert因子，并基于该因子的多头端基础股票池进行增强，构建top25的主动量化选股组合文本FADT_BERT（forecast-adjust-text portfolio BERT版）。
截至2024年12月31日，文本FADT_BERT组合2024年绝对收益23.41%，超额收益17.95%。自2009年初回测以来年化收益率40.20%，相对中证500超额年化收益32.74%，组合夏普比率1.40。
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。
研报：《2024年AI策略回顾：文本量价齐飞，行业轮动出色》2025年1月5日
林晓明 分析师 S0570516010001 | BPY421
何康 分析师 S0570520080004 | BRB318
https://inst.htsc.com/research
访问权限：国内机构客户
https://intl.inst.htsc.com/research
本公众号不是华泰证券股份有限公司（以下简称“华泰证券”）研究报告的发布平台，本公众号仅供华泰证券中国内地研究服务客户参考使用。其他任何读者在订阅本公众号前，请自行评估接收相关推送内容的适当性，且若使用本公众号所载内容，务必寻求专业投资顾问的指导及解读。华泰证券不因任何订阅本公众号的行为而将订阅者视为华泰证券的客户。
本公众号转发、摘编华泰证券向其客户已发布研究报告的部分内容及观点，完整的投资意见分析应以报告发布当日的完整研究报告内容为准。订阅者仅使用本公众号内容，可能会因缺乏对完整报告的了解或缺乏相关的解读而产生理解上的歧义。如需了解完整内容，请具体参见华泰证券所发布的完整报告。
本公众号内容基于华泰证券认为可靠的信息编制，但华泰证券对该等信息的准确性、完整性及时效性不作任何保证，也不对证券价格的涨跌或市场走势作确定性判断。本公众号所载的意见、评估及预测仅反映发布当日的观点和判断。在不同时期，华泰证券可能会发出与本公众号所载意见、评估及预测不一致的研究报告。
在任何情况下，本公众号中的信息或所表述的意见均不构成对任何人的投资建议。订阅者不应单独依靠本订阅号中的内容而取代自身独立的判断，应自主做出投资决策并自行承担投资风险。订阅者若使用本资料，有可能会因缺乏解读服务而对内容产生理解上的歧义，进而造成投资损失。对依据或者使用本公众号内容所造成的一切后果，华泰证券及作者均不承担任何法律责任。
本公众号版权仅为华泰证券所有，未经华泰证券书面许可，任何机构或个人不得以翻版、复制、发表、引用或再次分发他人等任何形式侵犯本公众号发布的所有内容的版权。如因侵权行为给华泰证券造成任何直接或间接的损失，华泰证券保留追究一切法律责任的权利。华泰证券具有中国证监会核准的“证券投资咨询”业务资格，经营许可证编号为：91320000704041011J。
