基于AI算法的新能源行业量化投资策略

摘要

随着人工智能（AI）的广泛应用，其与量化投资的结合促进了量化金融领域的飞速发展。基于AI算法，将支持向量机、随机森林、Adaboost和XGBoost等多种算法引入量化投资领域的多因子选股模型中，构建出不同的多因子量化投资策略，并将其在新能源行业投资的选股绩效进行比较。选取与新能源行业关系密切的估值类、规模类、技术类、动量类等十大类因子中的35个因子，通过IC值检验法筛选出5个有效因子，并借助AT-edu量化平台在2020年1月至2021年12月内进行量化投资策略的滚动回测，系统性地比较了不同多因子选股模型的绩效。最后，通过策略的优化构建出符合投资者预期利益与风险诉求的新能源行业量化投资策略。实证结果表明：无论是传统多因子选股模型，还是结合算法构建的多因子选股模型，其策略的净值曲线均高于同期沪深300基准曲线，且相比传统的多因子选股模型，AI算法构建的多因子量化选股模型的绩效表现更好，其中XGBoost选股模型在策略回测期间获得了最佳收益，且拥有最大的年化收益率和夏普比率。

关键词

量化投资 / 人工智能算法 / 多因子选股模型 / 新能源行业 / 策略回测

基金资助

国家自然科学基金（12361064）; 广西自然科学基金（2021GXNSFAA220034）; 桂林电子科技大学研究生教育创新计划(2022YCXS148)