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

人工智能105：基于籌碼分層結(jié)構(gòu)的端到端AI因子
　　籌碼分布反映市場(chǎng)參與者在不同成本區(qū)間上的存量持倉(cāng)結(jié)構(gòu)，是刻畫(huà)投資者盈虧狀態(tài)、交易摩擦和行為博弈的重要量?jī)r(jià)特征。本文從籌碼齡和投資者類(lèi)型兩個(gè)維度構(gòu)建籌碼分層結(jié)構(gòu)，并使用AI模型對(duì)其進(jìn)行端到端建模。實(shí)驗(yàn)結(jié)果顯示，籌碼分層結(jié)構(gòu)中蘊(yùn)含較強(qiáng)的非線(xiàn)性Alpha信息，其中籌碼齡分層因子表現(xiàn)最優(yōu)，2016-12-30至2026-05-29的回測(cè)區(qū)間內(nèi)，單因子RankIC達(dá)12.3%，多頭組年化超額32.5%。進(jìn)一步將籌碼結(jié)構(gòu)因子與基準(zhǔn)AI因子合成構(gòu)建中證1000指數(shù)增強(qiáng)組合，相同回測(cè)區(qū)間內(nèi)年化超額收益21.2%，信息比率3.53，兩項(xiàng)指標(biāo)相比基準(zhǔn)因子分別提升2.2 pct、0.24。
　　實(shí)驗(yàn)方法：基于CNN+GRU對(duì)籌碼分層結(jié)構(gòu)進(jìn)行端到端建模
　　本文嘗試?yán)肁I模型對(duì)籌碼分布的精細(xì)結(jié)構(gòu)進(jìn)行端到端建模，其中：（1）特征端：基于VWAP中心三角分布換手遞推法估算籌碼整體分布，并進(jìn)一步根據(jù)籌碼留存時(shí)間、籌碼交易訂單大小拆解籌碼分布中的籌碼齡分層和投資者類(lèi)型分層結(jié)構(gòu)特征。（2）模型端：將籌碼分布映射至相對(duì)當(dāng)前股價(jià)的價(jià)格軸，利用CNN+GRU模型進(jìn)行端到端建模，其中CNN用于提取單日籌碼分布的價(jià)格形態(tài)特征，GRU用于刻畫(huà)籌碼結(jié)構(gòu)在時(shí)間維度上的動(dòng)態(tài)變化。
　　實(shí)驗(yàn)結(jié)果：端到端因子多頭表現(xiàn)較優(yōu)，相比人工構(gòu)造特征有增量
　　實(shí)驗(yàn)結(jié)果顯示：（1）籌碼齡分層端到端因子表現(xiàn)優(yōu)于投資者類(lèi)型分層因子，前者多頭組收益高于日K線(xiàn)、周K線(xiàn)等傳統(tǒng)AI量?jī)r(jià)模型，且相關(guān)性較低。（2）對(duì)比籌碼齡分層端到端因子與人工構(gòu)造籌碼特征因子，前者IC指標(biāo)及多頭超額均更優(yōu)。（3）消融實(shí)驗(yàn)結(jié)果顯示，剝離籌碼齡分層信息或弱化價(jià)格分布形態(tài)后，因子表現(xiàn)均明顯下降，表明籌碼分層結(jié)構(gòu)特征與價(jià)格形態(tài)特征均是端到端建模的有效信息來(lái)源。
　　指增組合測(cè)試：籌碼結(jié)構(gòu)合成因子整體優(yōu)于基準(zhǔn)AI因子
　　將籌碼結(jié)構(gòu)因子加入基準(zhǔn)AI合成因子，并構(gòu)建指數(shù)增強(qiáng)組合進(jìn)行測(cè)試，結(jié)果表明，在2016-12-30至2026-05-29的回測(cè)區(qū)間內(nèi)，加入籌碼結(jié)構(gòu)的合成因子RankIC約14.0%，相比基準(zhǔn)因子多頭超額提升約2.1 pct。同回測(cè)區(qū)間內(nèi)，滬深300、中證500和中證1000指數(shù)增強(qiáng)組合的年化超額收益均有所改善，其中中證1000組合年化超額由19.0%提升至21.2%，信息比由3.29提升至3.53，超額最大回撤由8.5%下降至7.7%。
　　風(fēng)險(xiǎn)提示：人工智能挖掘市場(chǎng)規(guī)律是對(duì)歷史的總結(jié)，市場(chǎng)規(guī)律在未來(lái)可能失效。深度學(xué)習(xí)模型受隨機(jī)數(shù)影響較大。本文回測(cè)假定以VWAP價(jià)格成交，未考慮其他影響交易因素。