>> 華泰證券-金工深度研究：神經(jīng)網(wǎng)絡(luò)多頻率因子挖掘模型-230511
| 上傳日期： |
2023/5/11 |
大?。?/td>
| 2624KB |
| 格式： |
pdf 共22頁 |
來源： |
華泰證券 |
| 評級： |
-- |
作者： |
林曉明,何康,李子鈺 |
| 下載權(quán)限： |
此報告為加密報告 |
|
|
人工智能68：構(gòu)建神經(jīng)網(wǎng)絡(luò)多頻率因子挖掘模型，并用于指數(shù)增強
神經(jīng)網(wǎng)絡(luò)能自動提取股票原始量價數(shù)據(jù)中的特征，實現(xiàn)端到端的因子挖掘和因子合成。本文重點研究如何設(shè)計網(wǎng)絡(luò)結(jié)構(gòu)以有效挖掘不同頻率的股票量價數(shù)據(jù)。我們先將神經(jīng)網(wǎng)絡(luò)運用于15分鐘頻量價數(shù)據(jù)的挖掘，取得了較好效果，隨后再加入日頻數(shù)據(jù)構(gòu)建多頻率混合模型，并引入因子增量貢獻的思想設(shè)計了兩階段增量學(xué)習(xí)模型。在對比測試中，多頻率增量混合模型表現(xiàn)最好，構(gòu)建的各類指數(shù)增強策略表現(xiàn)優(yōu)秀。
神經(jīng)網(wǎng)絡(luò)在15分鐘頻量價數(shù)據(jù)上表現(xiàn)較好，加入注意力機制后無改進
考慮到神經(jīng)網(wǎng)絡(luò)具有強大的特征提取能力，本文省去人工構(gòu)建因子的步驟，直接對標準化后的原始15分鐘K線數(shù)據(jù)進行學(xué)習(xí)，神經(jīng)網(wǎng)絡(luò)骨干部分使用GRU網(wǎng)絡(luò)。樣本空間為全A股，模型在2017/1/4～2023/4/28的回測期內(nèi)周度RankIC均值為9.30%，分10層TOP組合年化超額收益率為24.18%(不計交易成本)。我們還嘗試對GRU加入注意力機制，希望幫助模型更好地記憶長程序列信息，但在本文的測試中，加入注意力機制后沒有改進效果。
基于日頻+15分鐘頻數(shù)據(jù)的多頻率混合模型分層測試效果明顯提升
為了融入更多市場信息，我們在15分鐘頻數(shù)據(jù)的模型上，加入日頻數(shù)據(jù)，構(gòu)建多頻率混合模型。模型通過兩個輸入分別接收日頻量價和15分鐘頻量價數(shù)據(jù)，并分別使用GRU提取特征，最后將兩部分特征拼接并對接輸出。樣本空間為全A股，模型在2017/1/4～2023/4/28的回測期內(nèi)周度RankIC均值為8.58%，分10層TOP組合年化超額收益率為30.12%(不計交易成本)，TOP組合表現(xiàn)相比15分鐘頻模型提升明顯。
基于參數(shù)凍結(jié)+殘差預(yù)測的多頻率增量混合模型表現(xiàn)最好
針對多頻率數(shù)據(jù)混合模型，我們引入因子增量貢獻的思想，設(shè)計了一個兩階段訓(xùn)練的增量學(xué)習(xí)模型。第一階段：只使用日頻量價數(shù)據(jù)訓(xùn)練對應(yīng)的神經(jīng)網(wǎng)絡(luò)分支，即先讓網(wǎng)絡(luò)學(xué)習(xí)日頻級別的量價信息，第一階段訓(xùn)練直到模型的loss收斂為止。第二階段：將日頻量價數(shù)據(jù)分支網(wǎng)絡(luò)結(jié)構(gòu)的參數(shù)凍結(jié)，只前向傳播，然后引入15分鐘頻數(shù)據(jù)學(xué)習(xí)殘差，即再讓網(wǎng)絡(luò)學(xué)習(xí)分鐘頻量價數(shù)據(jù)能夠貢獻的增量信息。樣本空間為全A股，模型在2017/1/4～2023/4/28的回測期內(nèi)周度RankIC均值為10.22%，分10層TOP組合年化超額收益率為36.36%(不計交易成本)，在本文的所有模型中表現(xiàn)最好。
基于多頻率增量混合模型構(gòu)建多個指數(shù)增強組合，回測表現(xiàn)優(yōu)秀
我們基于多頻率增量混合模型構(gòu)建多個指數(shù)增強組合，并回測了周雙邊換手率分別控制為30%、40%和50%的情況。在2017/1/4～2023/4/28的回測期內(nèi)，滬深300增強組合年化超額收益率為8.77%~9.48%，信息比率為1.21~1.40。中證500增強組合年化超額收益率為17.39%~18.18%，信息比率為3.11~3.29。中證1000增強組合年化超額收益率為28.93%~31.57%，信息比率為4.45~4.79。國證2000增強組合年化超額收益率為29.38%~31.19%，信息比率為4.09~4.25。
風(fēng)險提示：通過人工智能模型構(gòu)建的選股策略是歷史經(jīng)驗的總結(jié)，存在失效的可能。神經(jīng)網(wǎng)絡(luò)受隨機性影響較大、可解釋性較差，使用需謹慎。
|
|
