太平资产量化产品投资价值分析：捕捉定价偏差人工智能量化-20210602（18页）.pdf

上传人：云云

编号：47258

2021-07-29

PDF 18页 1.31MB

《太平资产量化产品投资价值分析：捕捉定价偏差人工智能量化-20210602（18页）.pdf》由会员分享，可在线阅读，更多相关《太平资产量化产品投资价值分析：捕捉定价偏差人工智能量化-20210602（18页）.pdf（18页珍藏版）》请在三个皮匠报告上搜索。

1、收益回撤：回撤控制优秀，超额收益呈明显的左偏态自产品成立以来，取得收益62.66%，较中证500 指数取得37.62 %的超额收益，期间产品的最大回撤为 14.63%，明显低于中证 500 指数在同期的回撤 21.65%，这说明，历史上长期持有产品，将获得超过中证 500 的回撤较小的高质量超额收益。从月度频率看，产品相对中证 500(000905.SH)取得正超额收益的概率为 73.08%，取得的正、负超额收益的均值分别为 1.63%和-1.33%;从季度频率看产品相对中证 500 (000905.SH)取得正超额收益的概率为 88.89%，取得的正、负超额收益的均值分别为2.91%和-1.

2、44%。从统计数据看，月度和季度都有较高的概率获得正向超额收益，且季度获得超额收益的概率更高，表明该产品更适合长期持有。业绩归因选股择时：选股能力长期显著基金具有显著的选股能力：根据基金净值序列，采用 T-M 模型与 H-M 模型进行基金选股择时能力分析，回归结果如下表所示。据 T-M 和 H-M 模型显示，基金选股能力显著，表明基金具有较强的选股实力，淡化择时。风格归因：灵活调整风格收益来源从基金的风格暴露来看，基金长期偏好中小盘成长风格的股票。从基金的收益分解来看，风格配置和风格选股的收益波动均略大。但从归因分解的结果图 18 的形态看，该人工智能策略会动态调整风格配置和风格选股收益，使二者形成互补，而不是侧重某一种收益，这可能表明该人工智能策略的灵活性和鲁棒性。 3.2.3. 行业归因：分散化程度高，行业内选股实力强劲从基金的行业暴露来看，基金长期保持较高的行业分散化水平，利用分散化降低非系统性风险的同时保持较高的收益。从基金的收益分解来看，基金行业选股收益较为稳定，自成立以来90%(季度水平)的时间均具有正向行业选股收益，表明基金具有较强的行业选股实力，而选股能力的强弱是指数增强基金收益的关键因素，这表明该产品有较强的同类竞争力。

太平资产量化产品投资价值分析：捕捉定价偏差人工智能量化-20210602（18页）.pdf

相关报告