權(quán)益配置因子研究:基于GRU、TCN模型的深度學(xué)習(xí)因子選股效果研究.pdf
- 上傳者:5****
- 時間:2025/07/31
- 熱度:118
- 0人點贊
- 舉報
權(quán)益配置因子研究:基于GRU、TCN模型的深度學(xué)習(xí)因子選股效果研究。本報告使用 GRU 和 TCN 模型訓(xùn)練深度學(xué)習(xí)因子,測試選股效果。模型效果上, GRU 略好于 TCN+GRU,略好于 TCN;預(yù)測 10 日收益模型略好于預(yù)測 5 日模型。 深度學(xué)習(xí)因子與低波動、低流動性因子相關(guān)性較高。構(gòu)建指數(shù)增強選股策略,控制 市值行業(yè)無暴露,2017 年以來滬深 300 增強年化超額 11.8%,本年超額-0.4%;中 證 500 指數(shù)增強策略年化超額 13.6%,本年超額 2.7%;中證 1000 增強年化超額 21.7%,本年超額 9.9%;中證 2000 增強年化超額 27.1%,本年超額 9.3%。
深度學(xué)習(xí)模型選股上應(yīng)用廣泛。本報告使用 GRU、TCN 模型訓(xùn)練 深度學(xué)習(xí)因子。GRU 雖然是 RNN 中比較簡單的模型,但被證實有 效后,以其預(yù)測效果好訓(xùn)練速度快的特點,在業(yè)內(nèi)得以廣泛使用。 TCN 是基于 CNN 架構(gòu),通過因果卷積、擴張卷積和殘差連接等技 術(shù),有效捕捉時間序列中的長期依賴關(guān)系的模型。
模型訓(xùn)練過程說明。輸入數(shù)據(jù)集:30 日行情、60 日行情、30 周行 情,6 個特征(高、開、低、收、均價、換手率)。預(yù)測標簽:t+1 日 至 t+6 日的 5 日均價漲跌幅、t+1 日至 t+11 日的 10 日均價漲跌幅。 訓(xùn)練過程:2017 年以來,每年訓(xùn)練一個模型供下一年使用,使用前 9 年數(shù)據(jù)為訓(xùn)練集,第 10 年數(shù)據(jù)為驗證集。損失函數(shù):預(yù)測值和收 益率的相關(guān)系數(shù)取負。使用模型:TCN、TCN+GRU、GRU。
單因子選股效果。多頭組在中小市值股票池(中證 1000、中證 2000) 超額更高,選股效果更好,因子值是否市值行業(yè)中性化影響較小; 滬深 300 中因子原始值的效果明顯好于市值行業(yè)中性化后因子值。 市值行業(yè)中性化后因子超額收益明顯減少,部分說明深度學(xué)習(xí)因子 捕捉到風格輪動、行業(yè)輪動的規(guī)律。模型表現(xiàn)上,GRU 略好于 TCN+GRU,略好于 TCN;預(yù)測 10 日收益模型超額收益略高于預(yù)測 5 日收益模型。
復(fù)合因子選股效果。深度學(xué)習(xí)因子與低波、低流動性因子相關(guān)性較 高,反轉(zhuǎn)因子也有一定相關(guān)性。與分鐘高頻因子、快照因子相關(guān)性 不高,與基本面因子相關(guān)性較低。等權(quán)加權(quán)后的復(fù)合因子效果均好 于單因子。構(gòu)建指數(shù)增強策略,設(shè)置成分股不少于 80%,單邊換手 率不超 20%約束,控制市值行業(yè)無暴露, 2017 年 1 月以來,滬深 300 指數(shù)增強年化超額 11.8%,超額最大回撤-6.0%;截至 2025 年 6 月 30 日,本年超額-0.4%,超額最大回撤-3.1%。中證 500 指數(shù)增強 年化超額 13.6%,超額最大回撤-7.1%;本年超額 2.7%,超額最大回 撤-4.2%。中證 1000 指數(shù)增強年化超額 21.7%,超額最大回撤-9.3%; 本年超額 9.9%,超額最大回撤-2.1%。中證 2000 指數(shù)增強年化超額 27.1%,超額最大回撤-5.2%;本年超額 9.3%,超額最大回撤-3.4%。 允許市值行業(yè)適當暴露(市值暴露最大偏離 0.5 個標準差,行業(yè)權(quán) 重最大偏離 2.5%),2017 年 1 月以來,滬深 300 指數(shù)增強年化超額 8.8%,超額最大回撤-9.90%;截至 2025 年 6 月 30 日,本年超額1.7%,超額最大回撤-3.6%。中證 500 指數(shù)增強年化超額 14.6%,超 額最大回撤-9.2%;本年超額 5.2%,超額最大回撤-1.6%。中證 1000 指數(shù)增強年化超額 22.3%,超額最大回撤-8.3%;本年超額 9.0%,超 額最大回撤-1.6%。中證 2000 指數(shù)增強年化超額 26.2%,超額最大 回撤-5.2%;本年超額 5.3%,超額最大回撤-3.6%。如果考慮雙邊 0.3% 交易費用,每年收益減少約 3%。
免責聲明:本文 / 資料由用戶個人上傳,平臺僅提供信息存儲服務(wù),如有侵權(quán)請聯(lián)系刪除。
- 相關(guān)標簽
- 相關(guān)專題
- 全部熱門
- 本年熱門
- 本季熱門
- 行業(yè)研究報告:AI業(yè)務(wù)與應(yīng)用場景商業(yè)化洞見-從Token爆發(fā)走向場景兌現(xiàn),AI的商業(yè)價值取決于場景價值密度.pdf 108 3積分
- AIDC行業(yè)中期策略:算力重塑電力邊界,電源、液冷與現(xiàn)場能源共振升級.pdf 83 9積分
- 阿里云:Agentic Ops已來:企業(yè)級多智能體可觀測性運維實踐.pdf 72 8積分
- 2026年計算機行業(yè)中期策略:從訓(xùn)練到推理時代的拐點.pdf 65 3積分
- 艾瑞咨詢-2026年中國互聯(lián)網(wǎng)及AI大模型內(nèi)容風控行業(yè)發(fā)展研究報告.pdf 65 4積分
- AI賦能投研體系:工具篇——開源量化評論(126).pdf 65 3積分
- 計算機行業(yè):從算力擴容到應(yīng)用變現(xiàn),繼續(xù)把握AI全鏈機會.pdf 64 7積分
- 阿里媽媽-AI行業(yè)2026阿里媽媽產(chǎn)品全景指南.pdf 64 30積分
- 互聯(lián)網(wǎng)傳媒行業(yè)AI雙周專題(三):Token價格分歧,高性價比國內(nèi)模型具備產(chǎn)業(yè)機會.pdf 63 3積分
- 2026年AI Scientist的現(xiàn)在和未來研究報告-復(fù)旦大學(xué).pdf 62 28積分
- 行業(yè)研究報告:AI業(yè)務(wù)與應(yīng)用場景商業(yè)化洞見-從Token爆發(fā)走向場景兌現(xiàn),AI的商業(yè)價值取決于場景價值密度.pdf 108 3積分
- AIDC行業(yè)中期策略:算力重塑電力邊界,電源、液冷與現(xiàn)場能源共振升級.pdf 83 9積分
- 阿里云:Agentic Ops已來:企業(yè)級多智能體可觀測性運維實踐.pdf 72 8積分
- 2026年計算機行業(yè)中期策略:從訓(xùn)練到推理時代的拐點.pdf 65 3積分
- 艾瑞咨詢-2026年中國互聯(lián)網(wǎng)及AI大模型內(nèi)容風控行業(yè)發(fā)展研究報告.pdf 65 4積分
- AI賦能投研體系:工具篇——開源量化評論(126).pdf 65 3積分
- 計算機行業(yè):從算力擴容到應(yīng)用變現(xiàn),繼續(xù)把握AI全鏈機會.pdf 64 7積分
- 阿里媽媽-AI行業(yè)2026阿里媽媽產(chǎn)品全景指南.pdf 64 30積分
- 互聯(lián)網(wǎng)傳媒行業(yè)AI雙周專題(三):Token價格分歧,高性價比國內(nèi)模型具備產(chǎn)業(yè)機會.pdf 63 3積分
- 2026年AI Scientist的現(xiàn)在和未來研究報告-復(fù)旦大學(xué).pdf 62 28積分
- 行業(yè)研究報告:AI業(yè)務(wù)與應(yīng)用場景商業(yè)化洞見-從Token爆發(fā)走向場景兌現(xiàn),AI的商業(yè)價值取決于場景價值密度.pdf 108 3積分
- AIDC行業(yè)中期策略:算力重塑電力邊界,電源、液冷與現(xiàn)場能源共振升級.pdf 83 9積分
- 阿里云:Agentic Ops已來:企業(yè)級多智能體可觀測性運維實踐.pdf 72 8積分
- 2026年計算機行業(yè)中期策略:從訓(xùn)練到推理時代的拐點.pdf 65 3積分
- 艾瑞咨詢-2026年中國互聯(lián)網(wǎng)及AI大模型內(nèi)容風控行業(yè)發(fā)展研究報告.pdf 65 4積分
- AI賦能投研體系:工具篇——開源量化評論(126).pdf 65 3積分
- 計算機行業(yè):從算力擴容到應(yīng)用變現(xiàn),繼續(xù)把握AI全鏈機會.pdf 64 7積分
- 阿里媽媽-AI行業(yè)2026阿里媽媽產(chǎn)品全景指南.pdf 64 30積分
- 互聯(lián)網(wǎng)傳媒行業(yè)AI雙周專題(三):Token價格分歧,高性價比國內(nèi)模型具備產(chǎn)業(yè)機會.pdf 63 3積分
- 2026年AI Scientist的現(xiàn)在和未來研究報告-復(fù)旦大學(xué).pdf 62 28積分
