Alpha掘金系列之二十：热门概念板块AI预测与概念龙头识别

敬请参阅最后一页特别声明 1 行业分类难以满足多元需求，主题概念投资快速兴起 随着资本市场的快速发展，上市公司的业务结构愈发多元，仅依赖传统的行业或风格分类难以完整刻画企业的业务特征，信息损失也随之增加。概念指数是具有共性受益逻辑的一系列股票的集合，其成份样本通常涵盖一个或多个行业的上市公司，并且在二级市场股价具有明显联动性，可以很好解释股票的收益变化。 Wind 热门概念指数基于客观量价评分，结合政策和产业等因素主观确定的热门指数，具有领涨性和活跃性，采用等权重方式进行编制。我们首先尝试基于月度和周度动量因子构建热门概念指数轮动策略，但是因子和策略效果相对有限，未能获得满意的效果。 基于 TimeMixer 模型的热门概念指数轮动策略构建 我们尝试先构建个股的 Alpha 因子，将其聚合到概念指数上。由于 Wind 热门概念指数均为等权重指数，所以按照指数成分股加权方式和等权加权方式效果完全相同，我们基于此方式先将个股因子聚合到概念指数上。聚合后的指数因子 IC 均值为 7.27%，多头年化超额收益率为 30.77%，多头信息比率为 1.28。 基于聚合后的因子构建指数轮动策略，每周选择模型得分最高的 10 个概念指数进行等权配置，基准为中证全指，回测区间为 2019 年 1 月 4 日至 2025 年 8 月 29 日，手续费为单边千分之一，基于 TimeMixer 的热门概念指数轮动策略相对于中证全指和 Wind 热门概念指数等权分别取得了费后 18.06%和 9.02%的年化超额收益率，相对于中证全指超额最大回撤仅为 9.97%，信息比率为 1.73。策略所有年度均相对中证全指实现正向超额收益。 基于热点概念指数轮动效应的 Alpha 和龙头组合构建 虽然概念指数轮动策略的收益表现较好，但在实际执行中需要持有数量较多、变化幅度较大的股票组合，从而带来较高的换手成本。为提升策略的可操作性，我们在每周的概念指数成分股信号中，挑选出选股模型得分最高的 20 只股票等权构建组合，基准为中证全指，手续费为单边千分之一。 策略相对于中证全指实现了费后 11.34%的年化超额收益，超额最大回撤为 22.87%，信息比率达到 0.79。 龙头企业通常在产业链中处于主导地位，市场份额高、定价权强，是行业的代表性资产，它们通常在产业链中处于主导地位，市场份额高、定价权强，是行业的代表性资产。最终，我们决定选择 FCF2EV(自由现金率因子)来帮助我们从概念组合里找出龙头公司，自由现金流率高的企业抗风险能力强，存在时间久且能真实反应企业盈利能力与财务状况： 我们在概念指数的成分股信号里，每个指数挑选出自由现金流率最大的 2 只股票等权构建组合，基准为中证全指，手续费为单边千分之一，该选股策略整体表现优异，策略相较于基准年化超额收益为 20.63%，信息比率 1.61，超额最大回撤为 21.65%。分年度来看，组合在 2019-2025 年均获得了正超额。自由现金流率因子在成长大幅占优的年份（2019、2020 和 2025）年表现表现略弱，这也和自由现金流率偏向价值和大市值风格特征高度一致。 风险提示 1、以上结果通过历史数据统计和测算完成，在市场环境发生变化时模型存在失效的风险； 2、 策略通过一定的假设通过历史数据回测得到，当交易成本提高或其他条件改变时，可 能导致策略收益下降甚至出现亏损。 3、策略历史收益不代表未来，需警惕资产未来业绩不及预期的风险； 金融工程专题报告 敬请参阅最后一页特别声明 2 扫码获取更多服务 内容目录 一、行业分类难以满足多元需求，主题概念投资快速兴起 ............................................. 4 1.1 Wind 概念指数数量持续上升 .............................................................. 4 1.2 Wind 热门概念指数采用等权重方式进行编制 ................................................ 5 1.3 Wind 热门概念指数动量因子表现一般 ...................................................... 6 二、基于 TimeMixer 模型的热门概念指数轮动策略构建 ............................................... 8 2.1 基于 TimeMixer 改进的机器学习模型框架介绍 ............................................... 8 2.2 自下而上的热门概念指数轮动策略构建 ..................................................... 8 2.3 TimeMixer 改进的机器学习模型测试结果 ................................................... 9 2.4 基于 TimeMixer 的热门概念指数轮动策略构建 ............................................... 9 2.5 基于 TimeMixer 机器学习模型的热门概念指数轮动策略效果 .................................. 10 三、基于热门概念指数轮动效应的选股策略构建 .................................................... 12 3.1 基于热点概念指数轮动效应的 Alpha 股票组合 .............................................. 12 3.2 基于热门概念指数轮动效应的龙头股组合构建 .............................................. 13 四、总结 ...................................................................................... 15 五、风险提示 .................................................................................. 15 图表目录 图表 1： Wind 热门概念指数数量占比呈现下降趋势 .................................................. 4 图表 2： Wind 热门概念指数成分股数量较少 ........................................................ 5 图表 3： Wind 热门概念指数表现优异 .............................................................. 5 图表 4： 等权指数在小市值和价值因子上