久久一日本道色综合久久_国产最爽的av片在线观看_精品成人Av一区二区三区_94久久国产乱子伦精品免费_国产三级网站在线观看_和女邻居做爰在线观看_wymfw最新免费_国产强奷在线免费阅读_95在线观看视频

最為常見的技術分析手段就是“看圖”。由于人性相近，在相同的外部條件下，人們通常有相近的反應。這一切都會在圖中表現(xiàn)出來。技術分析和相關的量價因子，在金融學界和投資界都有廣泛的應用。
　　筆者過往的研究《挖掘資產定價中的隱式因子》，已著手使用機器學習的辦法研究量價數(shù)據，特別是價格數(shù)據背后隱含的市場預期。對價格這樣的純一維數(shù)據，我們使用主成分分析（PCA）挖掘隱式因子的特征方向，使用穩(wěn)健回歸（Huber）估計隱式因子的風險溢價。
　　具體而言，我們將含有兩條均線的K線圖作為特征，股票收益作為標簽，使用卷積神經網絡（CNN）訓練分類模型。在低價股這個樣本中，我們使用2011年至2018年的數(shù)據訓練模型，在2019年至2023年的數(shù)據進行推理。將預測結果視作因子值，預測未來一個月收益的IC均值約6.0%，IR約1.06。對預測結果用排序法檢驗，多空組合的年化收益率約26%，夏普比率約3.8。多因子回歸檢驗，Top多頭組合和多空組合都有顯著的alpha。
　　我們使用約20個交易日的收益數(shù)據訓練模型后構造了月度換倉策略，該策略在2019年至2023年Q1的樣本外上年化收益率約28%，夏普比率約1.49；同期萬得全A年化收益約11%，夏普比率約0.66。
　　風險提示事件：本報結論基于公開的歷史數(shù)據進行統(tǒng)計、測算，文中部分數(shù)據有一定滯后性，同時存在第三方數(shù)據提供不準確風險；對基金產品和基金管理人的研究分析結論并不預示其未來表現(xiàn)，也不能保證未來的可持續(xù)性，亦不構成投資收益的保證或投資建議；產品的表現(xiàn)受宏觀環(huán)境、行業(yè)基本面超預期變動、市場波動、風格轉換等多重因素影響，存在一定波動風險。