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

目前，機(jī)器學(xué)習(xí)模型在資產(chǎn)配置等其他領(lǐng)域的定價(jià)研究相對偏少，傳統(tǒng)的資產(chǎn)配置方法也需要新的思路來構(gòu)建策略。本次研究中，我們將機(jī)器學(xué)習(xí)模型應(yīng)用到大類資產(chǎn)配置問題上，基于因子投資的思路使用模型給出各資產(chǎn)的打分排序，并最終構(gòu)建可投資的大類資產(chǎn)月頻量化配置策略。
　　怎樣使用機(jī)器學(xué)習(xí)選擇大類資產(chǎn)？
　　我們使用機(jī)器學(xué)習(xí)模型生成每一期各資產(chǎn)的預(yù)期收益率數(shù)據(jù)，便于進(jìn)行資產(chǎn)的排序與進(jìn)一步優(yōu)化。我們選取各資產(chǎn)對應(yīng)指數(shù)或期貨的高開低收作為初始數(shù)據(jù)，基于TA-Lib方法批量化生成量價(jià)因子數(shù)據(jù)作為樣本的特征，并使用各資產(chǎn)未來20日收益率作為基礎(chǔ)標(biāo)簽。模型的選取方面，考慮到樹模型在小樣本上相較于神經(jīng)網(wǎng)絡(luò)更不易過擬合的優(yōu)勢，我們主要使用基于CART的集成學(xué)習(xí)方法，包括GBDT、RF和DART，具體實(shí)現(xiàn)模型主要為XGBoost與LightGBM。
　　數(shù)據(jù)準(zhǔn)備及預(yù)處理
　　我們選擇滬深300、恒生指數(shù)、納斯達(dá)克100指數(shù)、國債指數(shù)、SHFE黃金等共11種資產(chǎn)作為配置池，覆蓋國內(nèi)股票、國外股票、債券與商品類資產(chǎn)，并基于這些資產(chǎn)的高開低收數(shù)據(jù)生成共154個(gè)量價(jià)類特征。我們對特征首先進(jìn)行時(shí)序預(yù)處理，確保特征在不同資產(chǎn)之間具有可比性；隨后進(jìn)行截面預(yù)處理，此處我們試圖通過對比找出最適合的預(yù)處理方式。對標(biāo)簽同樣進(jìn)行不同預(yù)處理方式的對比，以尋找最優(yōu)方案。模型我們對比使用GBDT、RF和DART作為提升方法的LightGBM模型以及使用GBDT的XGBoost方法。
　　如何優(yōu)化模型在大類資產(chǎn)配置上的應(yīng)用表現(xiàn)？
　　我們根據(jù)不同的特征處理、標(biāo)簽處理和模型三個(gè)維度分別進(jìn)行測試。通過觀察基于lgb_gbdt和lgb_dart模型得到的結(jié)果，我們確定特征在截面上做MinMax處理的方法優(yōu)勢最為明顯；但不同的標(biāo)簽預(yù)處理方式在結(jié)合CSMinMax處理時(shí)各有優(yōu)勢。結(jié)合不同模型來看，對標(biāo)簽進(jìn)行截面Z-Score處理時(shí)普遍能得到最佳的因子多頭收益表現(xiàn)。模型上，基于GBDT和DART的LightGBM模型在對應(yīng)的效果最佳。
　　基于以上方法得到的兩個(gè)因子具有較高的相關(guān)性，但其中使用DART的LightGBM模型得到的因子IC衰減相對更慢，我們認(rèn)為這對于降低策略的換手率能帶來一定幫助，對資產(chǎn)配置策略較為重要。最終我們確定特征處理方式為CSMinMax，標(biāo)簽處理方式為ret_CSZScore，使用模型lgb_dart生成全球大類資產(chǎn)配置因子。
　　因子IC均值達(dá)到9.00%，多頭年化收益13.34%，多頭Sharpe比率1.105，多頭最大回撤8.53%；多空年化收益率15.20%，多空Sharpe比率1.231。時(shí)序上看，因子多空組合凈值穩(wěn)定增長，僅部分月份回撤較大。
　　人工智能全球大類資產(chǎn)配置策略
　　我們根據(jù)最終的合成因子構(gòu)造資產(chǎn)配置策略，每月初等權(quán)配置因子排名前3的資產(chǎn)，手續(xù)費(fèi)取千分之三。我們以11個(gè)資產(chǎn)的等權(quán)配置策略作為對比基準(zhǔn)。策略的年化收益率為16.91%，夏普比率為0.99，而同時(shí)間段等權(quán)配置策略的年化收益率為2.05%，夏普比率為0.24。策略的年化超額收益率為14.74%，信息比率為1.34，超額最大回撤僅為5.97%。我們同樣疊加最優(yōu)化問題的求解方法，對策略的波動(dòng)率做進(jìn)一步約束。優(yōu)化后，策略的年化收益率在7.86%，年化超額收益4.70%，策略的Sharpe比率上升到1.28，年化雙邊換手率下降到288.68%。
　　風(fēng)險(xiǎn)提示
　　以上結(jié)果通過歷史數(shù)據(jù)統(tǒng)計(jì)、建模和測算完成，在政策、市場環(huán)境發(fā)生變化時(shí)模型存在時(shí)效的風(fēng)險(xiǎn)。策略通過一定的假設(shè)通過歷史數(shù)據(jù)回測得到，當(dāng)交易成本提高或其他條件改變時(shí)，可能導(dǎo)致策略收益下降甚至出現(xiàn)虧損。