cGAN应用于策略调参分析报告.pdfVIP

证券研究报告 金工 对抗过拟合：cGAN 应用于策略调参 研究 2021 年10 月12 日│中国内地 深度研究 cGAN 生成模拟样本为应对策略参数过拟合提供新思路 本文构建了基于生成对抗网络的量化策略参数调优框架，为应对策略过拟合 提供了新思路。传统基于单一历史路径进行参数调优的方法存在较高过拟合 风险，而 cGAN 生成的拟真样本则可以对备选参数进行批量回测，通过观 察备选参数的大样本统计表现来决定样本外所使用的参数。基于大数定律， 在大样本模拟路径上的回测可以降低偶然因素对参数表现的影响，回归参数 的本质表现，进而辨别参数的优劣。实证结果表明，cGAN 生成样本对备选 参数具有较为明显的区分能力，基于cGAN 的择时策略表现优于传统方法。 基于历史数据的参数调优可能由于路径随机与时序随机而产生过拟合 首先，在随机过程的视角下，资产历史数据只是随机过程的一条实现路径， 中债-国债总净价（总值）指数择时-多 仅在历史数据上进行回测无法观察到备选参数在潜在路径上的表现，这种路 空 （2011/12/30-2021/10/08） 径随机性偏差可能导致历史回测的最优参数并不是“过去的最优解”。其次， 基于cGA