>> 廣發(fā)證券-深度學習研究報告：基于卷積神經(jīng)網(wǎng)絡的股價走勢AI識別與分類-230406
| 上傳日期： |
2023/4/6 |
大?。?/td>
| 1805KB |
| 格式： |
pdf 共39頁 |
來源： |
廣發(fā)證券 |
| 評級： |
-- |
作者： |
羅軍,安寧寧,陳原文 |
| 下載權(quán)限： |
此報告為加密報告 |
|
|
基于價量數(shù)據(jù)的機器學習量化選股策略?；趦r量數(shù)據(jù)對未來股價走勢進行預測作為一類重要的機器學習量化選股策略，在過去受到了較為廣泛的研究和應用。由于價量數(shù)據(jù)是跟著交易活動的進行而產(chǎn)生的，其本質(zhì)上是關于時間的一組序列。因此，為了建模價量數(shù)據(jù)與未來股價走勢之間的關系，大多數(shù)現(xiàn)有研究方法都選擇了使用循環(huán)神經(jīng)網(wǎng)絡等時序模型。然而，時序模型無法對價格和交易量的走勢形態(tài)進行有效識別，其表現(xiàn)在一定程度上因此受限。
基于卷積神經(jīng)網(wǎng)絡的價量數(shù)據(jù)圖表化選股策略。為了克服時序模型對序列數(shù)據(jù)建模的不足，本篇專題報告探究了使用卷積神經(jīng)網(wǎng)絡對圖表化的價量數(shù)據(jù)與未來股價進行建模。本專題報告以20日窗口期的價量數(shù)據(jù)圖表作為模型輸入，分別對未來20日和5日的股價走勢進行預測，從而構(gòu)建出I20R20因子和I20R5因子。
實證分析。以2020年2月至2023年2月作為樣本外回測區(qū)間，實證分析結(jié)果表明I20R20因子和I20R5因子的分檔收益顯著。每20個交易日進行換倉，雙邊千三計費，I20R20因子行業(yè)市值中性化后在全市場、滬深300、中證500、中證800、創(chuàng)業(yè)板中的多頭超額收益率顯著；每5個交易日進行換倉，雙邊千三計費，I20R5因子在行業(yè)市值中性化后在全市場、滬深300、中證500、中證800、創(chuàng)業(yè)板中的多頭分別對應板塊指數(shù)獲得了較為顯著的超額年化收益率。
風險提示。本專題報告所述模型用量化方法通過歷史數(shù)據(jù)統(tǒng)計、建模和測算完成，所得結(jié)論與規(guī)律在市場政策、環(huán)境變化時可能存在失效風險；策略在市場結(jié)構(gòu)改變時有可能存在策略失效風險。策略在交易行為改變時存在可能失效風險。
|
|
