風(fēng)險中性的深度學(xué)習(xí)選股策略

1、CONTENTS目錄,,>,,,風(fēng)險中性 的機器學(xué) 習(xí)模型,02,,,,,,>,,,策略與實證,03,,,,,,,>,,,總結(jié),04,,,,,,>,,組合表現(xiàn),,,,01,2,,,,INTRODUCTION,01|問題背景|>,,,,,,,,,0011,0022,0033,0044,3,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,

2、,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,10%8%6%4%2%0%-2%-4%-6%,4.543.532.521.510.50,,,500凈值,,對沖收益率（右軸）,,對沖凈值,,多頭凈值,問題背景,4,深度學(xué)習(xí)選股策略表現(xiàn)：全市場選股，中證500指數(shù)對沖2011年以來，年化收益率18.5%，最

3、大回撤 -4.77%，月度勝率為 81.8%,數(shù)據(jù)來源：Wind，廣發(fā)證券發(fā)展研究中心,,5,新的思考,,,,如何減小組合的風(fēng)險暴露？,,,,,如果當(dāng)前市場與歷史數(shù)據(jù)差別較大時，如何使得機器學(xué)習(xí)模 型有效？,,,,,能否構(gòu)建在不同風(fēng)格市場上表現(xiàn)穩(wěn)定的機器學(xué)習(xí)選股模型？,,,,,如何減小機器學(xué)習(xí)交易策略的同質(zhì)化問題？,,,,,,,,,,,,背景,,,,,組合優(yōu)化？,,,,,模型更新？,,,,,？,,,,,,,,,？,,,,THEORY,0

4、2|風(fēng)險中性的機器學(xué)習(xí)選股模型|>,,,,,,,0011,0033,0044,,,02,6,,,7,模型訓(xùn)練：通過訓(xùn)練樣本，確定模型結(jié)構(gòu)，優(yōu)化模型參數(shù),預(yù)測輸出 Y 的維度：3,輸入特征 X 的維度：156（128個因子+28個行業(yè)）通過網(wǎng)格搜索獲取最優(yōu)的模型結(jié)構(gòu) 選取模型結(jié)構(gòu)為：156（輸入層）-512-200-200-200-128-3（輸出層）即一共包含5個隱層隱層節(jié)點數(shù)依次為：512（隱層1）、 20

5、0（隱層2）、 200（隱層3）、 200（隱層4）、 128（隱層5）,深度學(xué)習(xí)預(yù)測模型,,上漲平盤下跌,,8,,隱層激活函數(shù)： 𝜎?輸出層激活函數(shù)：𝜎𝑜 ，對于分類問題，一般用Sigmoid函數(shù)或者Softmax函數(shù)T,?,?,N2,(2)(2),(2),hj? wk 0 ),? j ?1 (wkj,yk ? ?o,?,?,N1,(2),(1)(1),(1),wj

6、 0 ),?i?1 (wji hi,hj? ?h,?,?,(1),(0),(0),xi ? wj 0 ),?i?1 (wji,Nx,hj? ?h,,,,? (?ix) ?,e?i x,T,?e?i x,T,多分類問題,深度學(xué)習(xí)預(yù)測模型（以2個隱層的網(wǎng)絡(luò)為例）,,9,,參數(shù)優(yōu)化方法：BP算法，迷你批量梯度下降算法? 集成了梯度下降法和隨機梯度下降法的特點,,? ynk ? tnk ?,2,Nn?1,Kk ?1

7、,1,E(w) ?,NK,?,?,待優(yōu)化網(wǎng)絡(luò)參數(shù)：w優(yōu)化目標：最小化均方誤差（MSE）,預(yù)測輸出,實際標簽,,,,w(n) :? w(n?1) ????ijij,(w(n?1) ),?nknk ?Batch(n),ij,E,?w,?,,深度學(xué)習(xí)預(yù)測模型,,10,提高深層神經(jīng)網(wǎng)絡(luò)選股性能的主要方法：1、采用relu等激活函數(shù) 2、將優(yōu)化目標函數(shù)MSE改成交叉熵 3、Batch normalization技術(shù)4、Drop

8、out技術(shù),深度學(xué)習(xí)預(yù)測模型,,11,采用Keras作為機器學(xué)習(xí)平臺：可以選擇Tensorflow、CNTK、Theano（目前已經(jīng)停止更新）作為后端?目前已經(jīng)支持多GPU顯卡選擇：Nvidia GTX Titan XP, GTX 1080Ti, GTX Titan, GTX 1080, GTX1070, GTX 1060,深度學(xué)習(xí)預(yù)測模型,,12,風(fēng)險中性的選股策略,,,數(shù)據(jù) 預(yù)處理,,,預(yù)測 打分,,分檔 選股,,

9、,模型,,,組合 構(gòu)建,,多因子選股模型： 挑選出未來一期能夠產(chǎn) 生超額收益的股票,機器學(xué)習(xí)多因子選股模型：從股票特征中提取信息，對股票未來的收益進行預(yù)測，選出能夠產(chǎn)生超額收益的股票組合。,風(fēng)險中性的多因子選股模型： 挑選出未來一期，在剝離風(fēng)險因子影 響后，能夠產(chǎn)生的超額收益的股票,,,如何實現(xiàn)上述目標？——針對具體的應(yīng)用場景，構(gòu)建適當(dāng)?shù)臋C器學(xué)習(xí)預(yù)測模型。,,,,,13,普通的樣本標注方法,篩選 樣本標注為三個類別,按漲跌

10、幅排序,,,,,,風(fēng)險中性的選股策略,,訓(xùn)練時，根據(jù)未來一期的股票漲跌幅來給樣本貼“標簽”：上漲、下跌、平盤 同一時刻，按照漲跌幅進行排序，確定樣本的輸出標簽,14,,,,分不同 行業(yè)， 行業(yè)內(nèi) 按漲跌 幅排序,,,,,,,,,,,,,,行業(yè)中性的樣本標注：尋找不同行業(yè)內(nèi)能夠跑出超額收益的股票篩選 樣本行業(yè)1 行業(yè)2行業(yè)S行業(yè)1 行業(yè)2,…,…,行業(yè)S,風(fēng)險中性的選股策略,,訓(xùn)練時，根據(jù)未來一期的股票漲跌幅來給樣本貼“標簽

11、”：上漲、下跌、平盤 同一時刻，按照漲跌幅進行排序，確定樣本的輸出標簽,15,,,,,,,,,,,,,,,,,市值中性的樣本標注：尋找不同市值區(qū)間內(nèi)能夠跑出超額收益的股票篩選 樣本市值1 市值2市值10市值1 市值2,……,市值10,按照市 值分成 10組， 不同市 值組內(nèi) 按漲跌 幅排序,風(fēng)險中性的選股策略,,訓(xùn)練時，根據(jù)未來一期的股票漲跌幅來給樣本貼“標簽”：上漲、下跌、平盤 同一時刻，按照漲跌幅進行排序，確定樣本的輸

12、出標簽,16,,,,按殘差 排序,,,,,風(fēng)險中性的樣本標注：更一般的方法未來一期股票收益率對風(fēng)險因子做線性回歸，獲得殘差，按殘差進行樣本標注𝑟𝑡 = 𝑋𝑡 𝑓𝑡 + 𝑋𝑡 𝑓𝑡 + ? + 𝑋𝑡 𝑓w

13、905; + 𝜖𝑡𝑖𝑖1 1𝑖2 2𝑖𝐾 𝐾𝑖篩選 樣本,標注為三 個類別,,,風(fēng)險中性的選股策略,,,,03|策略與實證分析|>,PERFORMANCE ANALYSIS,,,,,,,0011,0033,0044,,,02,17,,,,18,策略流程

14、,,,T 時刻數(shù)據(jù)預(yù)處理,,,預(yù)測打分,,分檔選股,策略與實證,,模型訓(xùn)練,選股交易,,,模型,,,,,歷史數(shù)據(jù) 預(yù)處理,,機器學(xué)習(xí) 樣本篩選,模型訓(xùn)練,,,,組合構(gòu)建,,19,數(shù)據(jù)預(yù)處理,策略與實證,,,,因子 提取,,,因子 標準化,,,,,市場數(shù)據(jù),,,,,機器學(xué)習(xí)特征數(shù)據(jù),因子標準化： 1、異常值、缺失值處理2、極值壓邊界處理3、沿時間方向的因子標準化4、沿截面的因子標準化5、按照機器學(xué)習(xí)模型來調(diào)整因子分布,

15、,20,風(fēng)險中性的深度學(xué)習(xí)選股模型的IC,策略與實證,IC的平均值為0.082，標準差為0.108.,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,

16、,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,

17、,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,

18、,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,

19、,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,

20、,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,

21、,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,

22、,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,0.60.50.40.30.20.10-0.1-0.2-0.3-0.4,,,DL模型IC,,IC的20日移動平均,,數(shù)據(jù)來源：Wind，廣發(fā)證券發(fā)展研究中心,21,深度學(xué)習(xí)因子與流通市值的相關(guān)性：IC序列的相關(guān)性,策略與實證,,,,,,,,,,R² = 0.4763,-1,-0.5,0,0.5,1,值IC -1,0,1,流通市,深度

23、學(xué)習(xí)因子IC,,,,,,,,,,R² = 0.3552,-1,-0.5,0,0.5,1,值IC -1,-0.5,0,0.5,1,流通市,深度學(xué)習(xí)因子IC,普通的深度學(xué)習(xí)選股策略,風(fēng)險中性的深度學(xué)習(xí)選股策略,經(jīng)過行業(yè)和市值中性化之后，深度學(xué)習(xí)因子更少受到市值因子的影響。,,數(shù)據(jù)來源：Wind，廣發(fā)證券發(fā)展研究中心,22,深度學(xué)習(xí)因子與流通市值的相關(guān)性：截面相關(guān)性,策略與實證,普通的深度學(xué)習(xí)選股策略,風(fēng)險中性的深度學(xué)習(xí)選股策略,經(jīng)

24、過行業(yè)和市值中性化之后，深度學(xué)習(xí)因子更少受到流通市值因子的影響。,,,,,,,,,-0.6,-0.4,-0.2,0,0.2,0.4,,,與風(fēng)險因子截面相關(guān)性,,,,,,,,,,,,,,,-0.6,-0.4,-0.2,0,0.2,0.4,,與風(fēng)險因子截面相關(guān)性,平均相關(guān)系數(shù)-0.198,平均相關(guān)系數(shù)-0.117,,數(shù)據(jù)來源：Wind，廣發(fā)證券發(fā)展研究中心,23,策略與實證,回測參數(shù)設(shè)置?調(diào)倉周期：10個交易日?股票池：中證500

25、成份股，剔除ST股票，剔除交易日停牌和漲停、跌停的股票?超配組合：調(diào)倉時分10檔，等權(quán)買入深度學(xué)習(xí)模型打分最高的一檔?對沖基準：中證500指數(shù)?原始因子數(shù)據(jù)：估值因子、規(guī)模因子、反轉(zhuǎn)因子、流動性因子、波動性因子、技術(shù) 指標，共計128個因子，以及28個行業(yè)0-1變量?風(fēng)險因子：行業(yè)、流通市值?深度學(xué)習(xí)模型訓(xùn)練：每半年滾動更新模型，采用最近4年的樣本作為訓(xùn)練集?策略回測：2011年1月-2018年4月30日?交

26、易成本：千分之三,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,

27、,,,,,,,10%8%6%4%2%0%-2%-4%-6%,54.543.532.521.510.50,,,500凈值,,對沖收益率（右軸）,,對沖凈值,,多頭凈值,24,普通的深度學(xué)習(xí)選股策略2011年以來，年化收益率19.71%，最大回撤 -5.35%，勝率為 69.5%，信息比2.47,策略與實證,,數(shù)據(jù)來源：Wind，廣發(fā)證券發(fā)展研究中心,25,策略與實證,*：2011年前10個交易日數(shù)據(jù)

28、含有樣本內(nèi)信息，不進行選股**：截至2018年4月30日,普通的深度學(xué)習(xí)選股策略2011年以來，年化收益率19.71%，最大回撤 -5.35%，勝率為 69.5%，信息比2.47,,數(shù)據(jù)來源：Wind，廣發(fā)證券發(fā)展研究中心,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,

29、,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,10%8%6%4%2%0%-2%-4%,6543210,,,500凈值,,對沖收益率（右軸）,,對沖凈值,,多頭凈值,26,風(fēng)險中性的深度學(xué)習(xí)選股策略2011年以來，年化收益率21.95%，最大回

30、撤 -5.03%，勝率為 74.6%，信息比2.92,策略與實證,,數(shù)據(jù)來源：Wind，廣發(fā)證券發(fā)展研究中心,27,策略與實證,*：2011年前10個交易日數(shù)據(jù)含有樣本內(nèi)信息，不進行選股**：截至2018年4月30日,風(fēng)險中性的深度學(xué)習(xí)選股策略2011年以來，年化收益率21.95%，最大回撤 -5.03%，勝率為 74.6%，信息比2.92,,數(shù)據(jù)來源：Wind，廣發(fā)證券發(fā)展研究中心,,,,,,,,,,,,,,,,,,,,,,,,

31、,,,,,,4.543.532.521.510.50,,,500凈值,,,風(fēng)險中性深度學(xué)習(xí)選股策略普通深度學(xué)習(xí)選股策略,28,風(fēng)險中性深度學(xué)習(xí)選股策略年化收益率21.95%，最大回撤 -5.03%，勝率為 74.6%，信息比2.92普通深度學(xué)習(xí)選股策略年化收益率19.71%，最大回撤 -5.35%，勝率為 69.5%，信息比2.47,策略與實證,,數(shù)據(jù)來源：Wind，廣發(fā)證券發(fā)展研究中心,29,,,,,,,,

32、,,,,,,,機器學(xué)習(xí)策略表現(xiàn)的同質(zhì)性：不同策略的表現(xiàn)有一定的相關(guān)性用普通深度學(xué)習(xí)模型的IC對風(fēng)險中性深度學(xué)習(xí)模型的IC進行回歸，R方為0.84。 說明兩種策略的表現(xiàn)有較強的相關(guān)性。1,策略與實證,R² = 0.8392,-1,-0.2-0.4-0.6-0.8,0.80.60.40.20,-1,-0.5,0,0.5,1,普通深度學(xué)習(xí)模型IC,風(fēng)險中性的深度學(xué)習(xí)模型IC,,數(shù)據(jù)來源：Wind，廣發(fā)證券發(fā)展

33、研究中心,30,,,,,,,,,,,,,,,,,,20110120,20130111,20150107,20161223,,,機器學(xué)習(xí)策略每期組合的同質(zhì)性：選取的組合有較大的差異當(dāng)組合規(guī)模N為50時，兩種深度學(xué)習(xí)選股策略平均每期選到的股票有41.9%重合。（參 考：兩次獨立的隨機選股中，平均有10%重合。） 當(dāng)組合規(guī)模N為100時，兩種深度學(xué)習(xí)選股策略平均每期選到的股票有53.3%重合。（參考：兩次獨立的隨機選股中，平均有20%重

34、合。）組合內(nèi)相同的股票占比(N=50)組合內(nèi)相同的股票占比(N=100)70%60%50%40%30%20%10%0%,策略與實證,,數(shù)據(jù)來源：Wind，廣發(fā)證券發(fā)展研究中心,,,,,,,,,0011,0033,0044,,,02,31,CONCLUSION,04|總結(jié)|>,,32,總結(jié),?將風(fēng)險因子中性化處理后，可以構(gòu)建新的深度學(xué)習(xí)選股模型，該模型受風(fēng)險因子的影響較小?2011年以來，中證5

35、00內(nèi)選股對沖策略年化收益率21.95%，最大回撤 - 5.03%，勝率為 74.6%，信息比2.92?即使是采用同樣的特征和模型結(jié)構(gòu)，風(fēng)險因子中性化之后，訓(xùn)練的策略也會 有較大的差別，可以通過此方法豐富深度學(xué)習(xí)選股策略的多樣性,,33,本文旨在對所研究問題的主要關(guān)注點進行分析，因此對市場及相 關(guān)交易做了一些合理假設(shè)，但這樣會導(dǎo)致建立的模型以及基于模型所得 出的結(jié)論并不能完全準確地刻畫現(xiàn)實環(huán)境。而且由于分析時采用的相關(guān) 數(shù)據(jù)都是過去