量化专题报告：基于可见性图嵌入的沪深300深度学习增强策略-20231013-民生证券-26页.pdf

量化专题报告

基于可见性图嵌入的沪深300深度学习增强策略2023年10月13日

[Table_Author]

➢可见性图可以刻画量价时序性结构特征。可见性图是一种将时间序列数据

转化成一张图结构的方法。抽取可见图的结构特征并训练分类器的方法被广泛

用于时间序列数据的分类问题。可见图转化为复杂网络后，复杂网络的结构包

含了时间序列中局部或者全局的波动率与趋势信息，多篇研究利用可见性图及

其特征进行时序数据的预测并取得了显著效果。简单的可见性图结构特征可以

构造弱有效的选股因子，日度IC均值0.03。分析师叶尔乐

➢利用结构向量法提取图结构特征，可以刻画股票的潜在属性。尽管人为定执业证书：S0100522110002

邮箱：yeerle@

义计算的可见性图结构特征已经被证实过对时序数据有一定的分类效果，我们

选择用一种无监督学习的方式来抽取复杂网络的图结构特征——结构向量法。

相关研究

与传统的图嵌入方法相比，struc2vec更加高效，且在多个数据集上分类更加精

1.量化专题报告：冷门猎手：权益基金提前

确，并可以应用于大规模图的嵌入。用结构向量法提取的图结构特征对沪深

布局能力分析-2023/10/12

300的股票进行聚类，在多种风格因子上有显著分类效果，在周期行业上区分2.量化专题报告：驱动创新的资本力量：创

效果相对不明显。新效率中的超额收益-2023/10/12

➢利用二阶段循环神经网络与跨资产注意力网络构造预测模块，从而纳入潜3.量化专题报告：从传统策略到深度学习的

可转债投资-2023/10/10

在属性及股票间的相互关系。两阶段注意力循环神经网络DA-RNN可以通过按

4.资产配置月报：十月配置视点：能源板块

照时间顺序上不断训练结构性信息的模型结构，提取图结构嵌入特征，在生成当下的配置价值几何？-2023/10/08

股票因子表示时纳入股票的潜在信息。跨资产注意力网络CAAN可以对股票间5.量化周报：景气度跳升，节后有望反弹-20

的相互关系进行建模，计算batch内因子表示的相似度，作为注意力机制的来23/10/08

源。最终通过sigmoid函数，以下一个交易日股票价格是否上涨为因变量进行

建模，输出股票上涨概率。利用混淆矩阵来衡量模型准确率，验证集内准确率

68%，精确率达70%。

➢日频模型选股和择时效果显著，合成股指信号依然有效。将模型预测的个

股日度上涨概率作为日频选股因子struc_learning，因子日度IC均值0.16，

ICIR1.2；中性化后因子表现有所下降，但选股效果依然显著。日度调仓多头组

合年化超额收益95.6%，信息比率8.0，但策略容量较低。增加持股数量构建

沪深300增强组合，组合平均持股数量137只，策略容量显著上升，年化超额

收益46.7%，信息比率5.87。用个股信号合成股指日度涨跌概率信号，并构建

沪深300仓位择时策略，年化超额收益13.3%，信息比率1.47，预测涨跌准确

率64%。

➢风险提示：量化模型基于历史数据，市场未来可能发生变化，策略模型有

失效