人工智能系列二十五：真假序列识别再探，市场弱有效性检验与择时战场选择.docxVIP

正文目录 以真假序列识别为起点的主动投资研究框架 5 有效市场理论与随机游走 5 收益率序列模式和真假序列识别的关系 6 收益率序列模式和市场择时的关系 7 本文研究导读 8 模拟实验表明卷积神经网络能够识别收益率模式 9 模拟模式 1：简单模式 9 模拟模式 2：复杂模式 10 方法 12 结果 12 神经网络可视化技术挖掘模式 13 中间层激活的可视化 13 类激活热力图的可视化 14 不同时间频率的股指收益率序列识别表现对比 17 方法 17 股指日频收益率 17 股指分钟频收益率 18 神经网络可视化技术挖掘收益率模式 20 不同资产的收益率序列识别表现对比 24 方法 24 个股日频收益率 24 风格因子日频收益率 25 股指期货分钟频收益率 26 商品期货分钟频收益率 27 不同资产分钟频收益率识别表现差异的统计学解释 27 自相关系数检验 28 随机游程检验 29 总结 30 风险提示 30 图表目录 图表 1： 主动投资的核心是市场是否有规律 5 图表 2： 真假序列识别研究范式 5 图表 3： 以真假序列识别为起点基于量价的主动投资研究框架 6 图表 4： 收益率序列模式、真假序列识别和市场择时三者间的关系 7 图表 5： 本文各项测试及关注问题汇总 8 图表 6： 模拟实验相关参数和超参数 9 图表 7： 模拟模式 1 示意图 9 图表 8： 模拟模式 1“真”序列标准化收益率 10 图表 9： 模拟模式 1“真”序列单位净值 10 图表 10： 模拟模式 1“真”“假”序列标准化收益率 10 图表 11： 模拟模式 1“真”“假”序列单位净值 10 图表 12： 模拟模式 2 示意图 11 图表 13： 模拟模式 2“真”序列标准化收益率 11 图表 14： 模拟模式 2“真”序列单位净值 11 图表 15： 模拟模式 2“真”“假”序列标准化收益率 12 图表 16： 模拟模式 2“真”“假”序列单位净值 12 图表 17： 卷积神经网络模型对不同模式在不同条件下的识别表现 12 图表 18： 四条真序列在第 2 层卷积层（基于模拟模式 2 训练的卷积神经网络）的激活函数值 13 图表 19： 一条真序列和对应三条假序列在第 2 层卷积层（基于模拟模式 2 训练的卷积神经网络）的激活函数值 14 图表 20： 样例图片对应“猫”类别或“狗”类别的 Grad-CAM 热力图 15 图表 21： 四条真序列指向真样本类别的 Grad-CAM 热力图 16 图表 22： 一条真序列和对应三条假序列指向真样本类别的 Grad-CAM 热力图 16 图表 23： 不同时间频率股指真实收益率序列样本相关参数 17 图表 24： 卷积神经网络模型超参数 17 图表 25： 识别 1 分钟频收益率的卷积神经网络模型网络结构示意图 17 图表 26： 股指日频收益率识别表现 18 图表 27： 代表性股指各时间频率收益率测试集 F1 Score 比较 18 图表 28： 股指 1 分钟频收益率识别表现 19 图表 29： 股指 2 分钟频收益率识别表现 19 图表 30： 股指 3 分钟频收益率识别表现 19 图表 31： 股指 4 分钟频收益率识别表现 19 图表 32： 股指 5 分钟频收益率识别表现 20 图表 33：真实沪深 300 指数测试集 1 分钟频收益率序列指向真样本类别的 Grad-CAM 热力图 20 图表 34： 真实沪深 300 指数测试集 1 分钟频收益率序列重要收益率特征所在时间段频次分布 21 图表 35：真实中证 500 指数测试集 1 分钟频收益率序列指向真样本类别的 Grad-CAM 热 力图 21 图表 36： 真实中证 500 指数测试集 1 分钟频收益率序列重要收益率特征所在时间段频次分布 22 图表 37： 沪深 300 真实分钟频单位净值（2017 年 1 月 9 日）及其 Grad-CAM 热力图结果比较 22 图表 38： 沪深 300 真实分钟频单位净值（2018 年 4 月 23 日）及其 Grad-CAM 热力图结果比较 23 图表 39： 不同资产真实收益率序列样本相关参数 24 图表 40： 个股测试集识别表现频次分布 24 图表 41： 测试集识别表现排名前 20 的个股 25 图表 42： 风格因子单位化净值（2005/1/7~2019/11/14） 25 图表 43： 风格因子日频收益率识别表现 26 图表 44： 沪深 300 指数与 IF 主力合约收盘价（2014/1/2） 26 图表 45： 沪深 300 指数与 IF 主力合约