基于自注意力神经网络的多因子量化选股研究

基于自注意力神经网络的多因子量化选股研究

论文摘要

近年来,随着计算机硬件计算能力的显著提高以及人工智能的飞速发展,量化投资开始在中国金融市场崭露头角。借助于大数据的发展趋势,机器学习逐渐在量化投资领域展现出优势。在众多量化投资策略中,多因子选股策略凭借其稳定性高和覆盖广的优势成为量化投资领域的热点问题之一。同时,神经网络模型强大的非线性拟合能力提升了机器学习领域各种类型任务的性能,本文主要研究基于自注意力神经网络模型的多因子量化选股策略的构建。本文借助Tushare Pro金融大数据平台和聚宽量化交易平台,选取2009年10月至2018年10月沪深300各成分股相关日度数据作为研究对象。为充分考虑影响股票价格波动的各方面因素,本文首先选取了行情类因子、财务类因子、技术类因子和投资者情绪类因子四个类别共117个因子构建初始因子池。为保证数据的利用质量,本文对数据进行了滞后性、缺失值和标准化相关预处理。同时,借鉴机器学习领域模型集成的思想,本文综合计算Pearson相关系数、距离相关系数、基于AIC准则的Elastic Net、基于BIC准则的Elastic Net、随机森林和GBDT共六个模型对于各个因子重要性的评分,筛选出68个因子用于选股模型的构建。最后,本文使用基于自注意力机制的神经网络模型,每次利用过去60个交易日的因子数据,对沪深300各成分股未来一个月的价格变动趋势进行预测,每次按上涨概率大小选取出前50只股票按等权重的资金分配方式构建投资组合,以月为周期进行投资组合的更新。为保证模型的泛化能力,本文使用了2正则化、随机失活和层标准化的正则化方法。本文构建的基于自注意力神经网络模型的多因子选股策略在2015年2月至2018年10月整个回测期的表现明显优于沪深300指数,相较于沪深300指数1.69%的年化亏损,该策略取得了27.02%的年化收益,且最大回撤为-22.10%,风险相对市场较小,明显低于沪深300指数-46.70%的最大回撤。综合夏普比率、信息比率等评估指标,该策略在实现高收益率的同时对风险进行了有效的控制。同时本文建议在此策略的基础上引入沪深300股指期货,消除系统性风险,以获得更加稳定的超额收益。当将整个回测期划分为不同趋势阶段对本文所构建的策略进行评测时,该策略在上涨趋势和震荡趋势阶段能够对各成分股价格变动趋势进行较为精准的预测,1分数分别达到0.89和0.91,分别取得了较沪深300指数更高的61.59%和59.88%的累计收益率,且交易风险均较沪深300指数更低,分别将最大回撤控制在-7.01%和-6.99%。在下跌趋势阶段,相较于沪深300指数43.13%的累计亏损,该策略将累计亏损控制在12.73%。综合夏普比率、信息比率等评估指标,该策略在不同趋势阶段均保证了收益和风险的相对平衡。

论文目录

  • 摘要
  • abstract
  • 导论
  •   一、选题背景及研究意义
  •   二、国内外研究综述
  •   三、研究内容及方法
  •   四、本文创新点
  • 第一章 多因子量化选股相关理论及模型介绍
  •   第一节 量化选股理论介绍
  •     一、量化选股的主要内容
  •     二、量化选股的技术手段
  •   第二节 传统多因子选股策略介绍
  •     一、多因子选股模型的类别
  •     二、基于分类模型的选股策略介绍
  •   第三节 基于自注意力神经网络的多因子量化选股介绍
  •     一、神经网络原理
  •     二、自注意力机制
  • 第二章 基于集成思想的股票因子筛选
  •   第一节 相关股票数据来源
  •     一、Tushare Pro金融大数据平台介绍
  •     二、数据使用说明
  •   第二节 因子池的构建及数据预处理
  •     一、候选因子的选取
  •     二、数据预处理
  •   第三节 多方法集成下的因子筛选
  •     一、集成思想介绍
  •     二、用于模型预测的因子的选取
  • 第三章 基于自注意力神经网络的多因子选股策略
  •   第一节 预测任务和投资组合的确定
  •     一、预测任务的定义及有效性检验
  •     二、投资组合的构建
  •   第二节 量化交易平台介绍及数据集的划分
  •     一、聚宽量化交易平台介绍
  •     二、基于滑窗法的数据集划分
  •   第三节 模型正则化和最优超参数的选取
  •     一、模型正则化介绍
  •     二、基于随机搜索的最优超参数选取
  • 第四章 多因子量化选股策略的效果评价
  •   第一节 评价指标的介绍
  •     一、模型预测本身评价指标
  •     二、收益和风险相关评价指标
  •   第二节 多因子量化选股策略的整体回测分析
  •     一、整个回测期的结果比较分析
  •     二、加入股指期货后的交易策略
  •   第三节 不同市场环境下多因子量化选股策略的回测分析
  •     一、上涨趋势时间段的结果比较分析
  •     二、下跌趋势时间段的结果比较分析
  •     三、震荡趋势时间段的结果比较分析
  • 总结与展望
  •   一、研究总结
  •   二、未来展望
  • 参考文献
  • 附录
  • 致谢
  • 文章来源

    类型: 硕士论文

    作者: 刘晔诚

    导师: 张虎

    关键词: 多因子选股,量化投资,神经网络,自注意力

    来源: 中南财经政法大学

    年度: 2019

    分类: 基础科学,经济与管理科学

    专业: 数学,宏观经济管理与可持续发展,金融,证券,投资

    单位: 中南财经政法大学

    分类号: F224;F832.51

    总页数: 58

    文件大小: 1819K

    下载量: 37

    相关论文文献

    • [1].多因子投资策略理论与应用研究[J]. 智富时代 2014(11)
    • [2].多轮次胁迫驯化及多因子复合筛选丁醇高产菌[J]. 微生物学通报 2012(11)
    • [3].基于多因子模糊算法的分动器设计方案评估方法研究[J]. 机械科学与技术 2013(09)
    • [4].多因子进化算法研究进展[J]. 计算机工程与应用 2018(11)
    • [5].基于ZigBee的室内环境多因子监测系统[J]. 科技广场 2016(04)
    • [6].剖析典型多因子实验 培养实验设计分析能力[J]. 生物学通报 2012(01)
    • [7].基于多因子对象的高空间分辨率遥感影像道路提取[J]. 集美大学学报(自然科学版) 2010(04)
    • [8].最优多因子仿射利率期限结构模型选择[J]. 财经理论研究 2013(06)
    • [9].基于多因子复杂度的结构误检区域排除算法[J]. 科学技术与工程 2018(10)
    • [10].大摩多因子基金张靖:将量化投资进行到底[J]. 股市动态分析 2011(41)
    • [11].基于大数据的股票多因子量化投资策略优化研究[J]. 商讯 2019(24)
    • [12].基于多因子层次覆盖模型的城市公共绿地服务功能等级评价——以北京市规划市区内公共绿地为例[J]. 科学技术与工程 2010(32)
    • [13].多因子加权考核法在本科编程类课程中的应用研究[J]. 中国校外教育 2015(12)
    • [14].K~+/Fe~(2+)多因子联合诱导增强番茄对叶霉病的抗病性[J]. 中国植保导刊 2013(06)
    • [15].郁江多因子河系洪水预报方法探讨及应用[J]. 水文 2009(S1)
    • [16].浙江台州市出台分类分档及多因子计收工业废水处理费的实施意见[J]. 给水排水 2018(01)
    • [17].基于支持向量机的多因子风速预测[J]. 宁波大学学报(理工版) 2018(03)
    • [18].一种基于多因子算法的评价指标优化方法[J]. 智能计算机与应用 2013(02)
    • [19].基于多因子CSE算法的AESS-盒电路优化设计[J]. 电子学报 2014(06)
    • [20].安全认证,电话成首选[J]. 微电脑世界 2013(11)
    • [21].基于多因子的震区建筑物空间分布变化分析[J]. 地理信息世界 2018(04)
    • [22].基于多因子空间叠加模型的稻纵卷叶螟危害分析[J]. 广东农业科学 2011(06)
    • [23].融入情感因子 提升美术教学效率[J]. 赤子(上中旬) 2017(02)
    • [24].基于定权的多因子线性拟合方法研究[J]. 测绘工程 2012(04)
    • [25].K-Similarity降噪的LSTM神经网络水质多因子预测模型[J]. 计算机系统应用 2019(02)
    • [26].巧用单因子变量原则解多因子变量题[J]. 中学生物学 2010(11)
    • [27].基于多因子回归模型的投资者情绪与异常收益率的实证研究[J]. 当代经济 2016(29)
    • [28].多因子逐步回归与自回归组合径流预测模型的建立及应用[J]. 甘肃水利水电技术 2019(09)
    • [29].双因素方差分析模型的构建及应用[J]. 统计与决策 2015(18)
    • [30].华北汛期降水多因子相似订正方案与预报试验[J]. 大气科学 2012(01)

    标签:;  ;  ;  ;  

    基于自注意力神经网络的多因子量化选股研究
    下载Doc文档

    猜你喜欢