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

低頻因子模型的挑戰(zhàn)。
　　基本面因子是低頻多因子模型的重要alpha來源，然而我們發(fā)現(xiàn)2021年以來業(yè)績類因子出現(xiàn)普遍性的大面積回撤。對此，我們曾經(jīng)提出過三個維度的應對方案：深入基本面、擁抱beta以及量價+AI。
　　前兩者基于邏輯驅動，依托于投資人對于財務、宏觀風格的深入理解，我們曾做過深入覆蓋。而量價+AI基于數(shù)據(jù)驅動，從模型層面捕捉市場短期的定價不充分，我們在本篇報告中展開初步探索。
　　深度學習模型與特征構建。
　　金融數(shù)據(jù)具有顯著的時序關聯(lián)性，而深度學習中RNN類模型對于時序數(shù)據(jù)的建模表現(xiàn)最為亮眼。我們認為模型績效的提升可以從三個維度入手：
　　1.通過調整超參數(shù)選取、label構建、數(shù)據(jù)預處理方式等精進單一模型；
　　2.對同一數(shù)據(jù)集根據(jù)不同模型訓練，堆疊多模型的輸出；
　　3.對同一模型構建差異化數(shù)據(jù)集輸入，堆疊多數(shù)據(jù)集的輸出。
　　基于RNN類模型中的LSTM，我們以第三個維度為切入點，希望通過構建差異化的數(shù)據(jù)集作為模型輸入，捕捉具有增量性的信息。
　　深度學習選股因子。
　　通過構建6個不同的數(shù)據(jù)集，我們訓練了6個深度學習指標，綜合6個指標后的深度學習因子績效良好。2017年以來多空年化收益100.8%，多頭超額收益38.2%，因子IC均值12.7%，ICIR達到1.23。
　　基于深度學習模型的指數(shù)增強策略。
　　基于深度學習因子我們構建周度調倉的中證500/1000指數(shù)增強組合:
　　1.中證500指數(shù)增強組合2017年以來，組合年化收益15.4%，超額中證500指數(shù)17.1%，跟蹤誤差5.7%，信息比率2.84。
　　2.中證1000指數(shù)增強組合2017年以來，組合年化收益19.4%，超額中證1000指數(shù)24.6%，跟蹤誤差5.7%，信息比率4.04。
　　風險提示：結論基于歷史數(shù)據(jù)以及模型推算，存在失效風險。