今天复现的对象是华泰证券 2017 年 8 月 4 日的金工深度报告《人工智能选股之支持向量机模型》，人工智能系列之三。

结论先行：研报口径的高斯核 SVM 在本地数据上 63 组参数全部失效，样本外 AUC 只有 0.4797。但诊断证明因子信号本身仍然存在，失效发生在模型层。把模型换成一行 IC 加权线性组合之后，本地回测年化从-4.37%恢复到+18.94%，落到 PTrade 平台的版本年化 19.89%，两个平台对账一致。

本文记录完整过程：口径怎么落地、SVM 为什么失效、失效如何定位到模型层、替换模型后的回测、双平台对账。全部数字来自真实回测，附 run_id 可溯源。

一份承诺年化超额 21%的研报

先交代研报方法。每月月末计算全市场个股 70 个因子的暴露（估值、成长、动量、波动率、换手率、技术指标等族），喂给支持向量机，预测下个月相对沪深 300 的超额收益方向。SVM 在样本里寻找把上涨与下跌两类分开的分类超平面，预测值是个股到超平面的距离，越正越看多。报告同时测试了五种核函数与支持向量回归，结论是高斯核表现最好。

研报的成绩单：高斯核 SVM 全 A 选股，样本外测试集正确率 56.25%，AUC 0.6214（AUC 衡量区分涨跌方向的能力，0.5 等价于随机，越接近 1 越强）；全 A 行业中性策略相对中证 500 年化超额 21.1%，信息比率 3.66（信息比率=年化超额收益÷跟踪误差，衡量每单位偏离换来的超额，大于 1 算优秀）；分层回测多空组合年化 30.10%。

样本内是 2005 至 2011 年共 72 个月末截面，2011 年起样本外，固定训练集一直用到 2017 年。报告在风险提示里写明：这是历史经验的总结，存在失效的可能。

我本地的数据条件：2019 年 1 月至 2026 年 8 月共 5784 只股票的日线、逐日估值与市值、财报净利润和营收同比（按公告日对齐）、分红记录（按除息日对齐），沪深 300 与中证 500 指数日线齐备。够做口径级复现，做不了数字级复现。

复现口径：70 个因子砍到 23 个

三处替代，逐条交代。

第一是因子池。研报 70 个因子里，分析师评级、一致目标价、户均持股、FF3 特质波动等族本地没有数据源。能落地的是 23 维：市盈率倒数、市净率倒数、股息率、净利润与营收同比、对数市值、1 至 12 个月动量、1 至 6 个月波动率、换手率、MACD、RSI、PSY、BIAS、12 个月 beta、对数股价。研报的因子相关系数图显示，模型预测值与反转、波动率、换手率、技术四个族关联最强——这四个族都在这 23 维之内，所以因子缺口不伤及信号主体。

第二是区间与样本量。研报训练集 2005 至 2011 年，本地扣掉 250 日长窗口特征的预热期后，训练集只剩 2020 年 1 月至 2022 年 3 月的 27 个月末截面，截面样本量约为研报的五分之一。交叉验证集没有沿用研报的随机切分，改为时间尾部的 2022 年 4 月至 11 月，避免验证信息泄漏进训练。样本外是 2023 年 1 月至 2026 年 8 月共 44 个月，每月首个交易日截面预测。

第三是股票池。研报用历史当期的沪深 300 成份，本地只有当前成份名单，存在幸存者偏差，且偏差方向偏向利好。即便在这个偏乐观的口径下 SVM 仍然亏损，后面的证伪结论因此更稳。

预处理链照研报执行：中位数去极值（中位数±5 倍绝对中位差）、缺失值按行业均值填充、因子对行业哑变量与对数市值回归取残差、截面标准化。PCA 一步按研报附录的自证结论（对高斯核与线性核分类结果无影响）跳过。研报 PDF 用 MinerU 转换，绩效表格可读，校验数字全部取自转换后的表格。

第一次失效：SVM 全线跑输

按研报图表 15 的网格搜索：惩罚系数 C 取 0.01 至 10 共 7 档，高斯核γ取 0.0001 至 1 共 9 档，63 组参数以交叉验证集 AUC 选优。

结果：63 组的交叉验证 AUC 最高只有 0.5358（C=0.03，γ=0.1）。用这组参数在 44 个样本外月份预测，平均 AUC 0.4797；训练集正确率约 54%，研报同口径是 65.4%。

上图红线是研报口径 SVM 的回测（沪深 300 池、Top20 等权、月频调仓、万 1 佣金加印花税）：年化-4.37%，跑输沪深 300 约 9.6 个百分点（超额年化=策略年化减基准年化），最大回撤 31.6%（净值从峰到谷的最大跌幅）。灰线是同期基准，年化+5.2%。

0.48 的 AUC 意味着预测方向能力低于随机。我的第一判断是实现有误，进入诊断。

诊断：信号存在，失效在模型层

诊断第一步不碰模型，先验证因子本身有无信号。对 23 个因子逐月计算截面秩 IC（IC 是预测排序与真实收益排序的相关系数，月均 0.03 以上即有实用信号）。

上图取 IC 绝对值前 12 名的因子，紫色为训练窗（2020-02 至 2022-11），青色为样本外（2023-01 至 2026-08）。股息率、低波动、低 beta、短期反转在两个窗口方向一致、幅度均在 0.02 至 0.04 之间：2023 年之后的沪深 300 里，低波高息反转类信号持续存在。12 个因子中 9 个方向严格同向，其余 3 个训练窗 IC 接近零。

第二步排查预处理。行业市值中性化使原始 IC 约打五折，但方向不变，排除。

第三步集中排查模型层，做了四组对照：49 组参数的 SVM 在样本外逐组评估，AUC 全部落在 0.480 至 0.504；线性核 0.505 至 0.507；滚动折交叉验证选参、秩变换特征、中位数切分标签三个变体，样本外同样无效。训练集正确率在合理参数下只有 0.51 至 0.56，说明±1 的月度标签在当前样本量下信噪比过低，RBF 核映射拟合到的是噪声。

最后做对照实验：以训练窗各因子的月均截面 IC 为权重线性加权（即 oracle 组合，理论上限参照），样本外 IC 为+0.029，月度 Top20 模拟年化超额约+13%。

结论：信号呈线性形态，SVM 分类框架在训练样本四千余行（不到研报的五分之一）的规模下连线性成分都未提取。研报自己的结论五是这批因子与收益存在显著线性关系、核 SVM 并不优于广义线性模型——本地复现把这个结论推到了更极端的地方：线性模型能提取的部分，SVM 一点没有多拿，反而为负。

替换模型后的回测：IC 加权线性

按诊断结论做模型层替换，方案简单到不需要训练框架：每个因子取训练窗内的月均截面 IC 作为权重，预测分等于因子秩的加权和。替换后信号样本外 IC 从-0.0199 恢复到+0.0287，IC IR 0.25。

回测矩阵（口径同前：沪深 300 池、万 1 佣金加印花税、2023-01 至 2026-08，基准年化+5.18%）：

（夏普=年化收益÷年化波动，衡量每承担一单位波动换到的回报。）

持仓越集中超额越高，Top10 年化超额+17.74%，与研报中选股数越少超额越高的规律方向一致。

逐年分解：2023 年超额+27.70%（当年沪深 300 为-11.75%，低波高息的防御属性占优）；2024 年+13.21%；2026 年至 8 月+9.95%；2025 年-5.92%，普涨行情中资金集中成长股，低波类因子整体跑输，这是该类因子的结构性弱势年份。

PTrade 落地：双平台对账

本地验证之后落到 PTrade。策略的 23 个因子里有估值、财报同比、股息率，PTrade 平台侧没有与本地等价的数据源，平台内重算必然口径漂移，因此采用离线信号表方案：生成器脚本把 44 个月、每月前 40 名的有序信号内嵌进策略文件（Top20 持仓加 20 名顺延缓冲，流动性过滤后顺延取满），策略只负责读本月信号、过滤 20 日均成交额、Top20 等权下单。重训后重跑生成器即可刷新信号表。

平台约束逐条执行：证券后缀用.SS/.SZ、成交额字段用 money、复权参数不传字符串、取数后逐股数值校验、调仓用 run_daily 注册在 14:50、信号表内代码转平台码。

对账结果：同为万 1 佣金加印花税，PTrade 版年化 19.89%、夏普 1.01、最大回撤 16.9%，native 版 18.94%。订单数量级一致（1423 单对 1427 单），净值偏离中位数-2.31%，差异来自成交时点——PTrade 日线语义在信号日 15:00 收盘成交，本地 native 是次日开盘成交，相差一个隔夜。降级订单 2 笔，为停牌订单到期，占 0.14%，属设计行为。

费率口径补充：PTrade 平台回测默认万 8 双向无印花，同策略按平台默认口径年化 19.08%，与万 1 终版口径相差 0.8 个百分点，月频低换手结构对费率不敏感。

本复现有三个遗留问题。其一，幸存者偏差：当前成份名单使超额偏乐观。其二，研报自己的警告应验：固定训练集在风格切换后失效，研报 2017 年上半年正确率跌破 50%，而本地的整个样本外区间几乎都处于风格切换之中。其三，历史成份、分析师情绪、股东结构、财务质量明细，这些研报拥有而本地缺失的数据，才是它 21.1%超额的本体。

PS: 源码下载，请移步知识星球！

星球中整理了文章中涉及到的源码，加入后即可以看到之前发的源码，三天内不满意可以退款。也会将收集到的机构研报，优秀策略源码，群友常咨询的问题整理到不同标签下，做为知识库沉淀下来。

所有策略仅用于学习和研究，不保证交易收益，不作为投资建议，风险自负，所有收益仅表示历史回测收益，不表示未来收益。大QMT和ptrade请充分使用模拟盘测试，miniQMT使用模拟账号测试。