- 1、本文档共13页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
金融工程专题
目录
1、深度学习赋能交易行为因子挖掘4
1.1、LSTM深度学习因子挖掘框架和绩效回顾4
1.2、Transformer深度学习因子挖掘对比5
1.3、Transformer因子多头优选6
2、深度学习维度下的风格选择7
2.1、风格优选:指数Transformer因子7
2.2、风格优选:股票Transformer因子8
2.3、风格优选:深度学习综合方案9
3、强化学习维度下的风格选择10
3.1、PPO和SAC优选对比10
3.2、基于SAC的月度风格选择11
4、基于风格优选的多策略融合实践12
5、风险提示14
图表目录
图1:围绕收益拆解公式衍生出的基本面选股框架4
图2:开源金工特色LSTM因子挖掘整体流程5
图3:LSTM因子10分组多空对冲的年化收益率为32.74%5
图4:Transformer因子10分组多空对冲的年化收益率为38.77%6
图5:Transformer和LSTM因子累计RankIC6
图6:Transformer和LSTM因子10分组多空对冲6
图7:Transformer100净值较为优异6
图8:指数Transformer因子4分组绩效8
图9:指数Transformer因子尾部剔除效果较为优异8
图10:绝对比例4分组绩效:多头效果优于空头8
图11:比例相对变化4分组绩效8
图12:大盘价值风格2024年基本都位于多头端9
图13:深度学习综合方案:优选风格个数敏感性分析9
图14:深度学习综合方案:优选2种风格净值较为优异10
图15:PPO算法和SAC算法伪代码10
图16:开源金工特色强化学习风格轮动流程11
图17:SAC算法最终净值优于PPO算法11
图18:强化学习风格因子:优选风格个数敏感性分析12
图19:强化学习风格因子:优选10种风格净值较为优异12
图20:Transformer优选100收益波动比随lambda变化13
图21:Transformer优选100净值明显更优13
图22:Transformer优选100净值较为优异13
表1:Transformer100绝对收益年化23.37%,收益波动比0.947
表2:随着滚动天数N的变化,月度强化学习风格SAC因子4分组年化收益统计12
表3:深度学习和强化学习方法优选超额绩效对比12
请务必参阅正文后面的信息披露和法律声明2/16
金融工程专题
表4:Transformer优选100绩效较为优异14
请务必参阅正文后面的信息披露和法律声明3/
文档评论(0)