量化技术分析报告:DFQ-FactorVAE,融合变分自编码器和概率动态因子模型的alpha预测方案.pdf

量化技术分析报告:DFQ-FactorVAE,融合变分自编码器和概率动态因子模型的alpha预测方案.pdf

  1. 1、本文档共29页,可阅读全部内容。
  2. 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. 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. 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)。
查看更多

金融工程|专题报告

DFQ-FactorVAE:融合变分自编码器和概报告发布日期2024年05月14日

率动态因子模型的alpha预测方案

——因子选股系列之一〇三

研究结论

FactorVAE模型架构

⚫FactorVAE模型,来自国际人工智能会议AAAI2022。原论文中提出了一种新的基于

变分自编码器的概率动态因子模型,以弥合噪声数据与有效因子之间的差距。本文在

原论文基础上进行修改优化,所得选股因子在沪深300指数增强组合中表现优异。

⚫FactorVAE模型融合了变分自编码器与概率动态因子模型的思想,建立股票收益率预

测模型,学习输入特征和标签之间的关系:(1)采用变分自编码器的编码器-解码器

架构,有助于模型学习到数据分布的结构,并且可以在潜在空间中生成新样本;(2)

基本面因子的重构:——因子选股系列之2024-03-21

采用概率动态因子模型的思想,将因子作为VAE模型中的潜在变量,提取动态公共因

一〇二

子的分布,从而起到降维降噪的作用。(3)采用一种“前验-后验”的学习方法,将预测

自适应时空图网络周频alpha模型:——2024-02-28

股票收益率的问题转化成预测有效因子,使用标签收益率指导模型提取有效因子。因子选股系列之一〇一

DFQ-FactorVAE模型优势DFQ-HIST:添加图信息的选股因子挖掘2024-02-07

系统:——因子选股系列之一百

⚫DFQ-FactorVAE模型所得因子的稳定性、在沪深300股票池中的多头表现突出:

基于异构图神经网络的股票关联因子挖2024-01-02

(1)在中证全指股票池中,DFQ-FactorVAE模型所得到因子的稳定性明显最强,掘:——因子选股系列之九十九

ICIR、RANKICIR、多头日超额收益夏普比均为最高。测试集(2020.01.01-DFQ-TRA:多交易模式学习因子挖掘系2023-11-14

2024.03.31)上rankic达到15%,rankicir达到1.38,20分组多头日度超额年化收益统:——因子选股系列之九十七

DFQ强化学习因子组合挖掘系统:——因2023-08-17

率达到31.75%,多头日超额收益夏普比3.52,多头日度超额收益最大回撤8.28%,

子选股系列之九十五

多头月度胜率88%,月均单边换手79%。分组单调性好。

DFQ遗传规划价量因子挖掘系统:——因2023-05-28

(2)在沪深300股票池中,DFQ-FactorVAE模型所得到因子的多头表现明显最强。子选股系列之九十

测试集上rankic达到10.6%,rankicir达到0.6,5分组多头日度超额年化收益率达到

14.47%,多头日超额收益夏普比1.72,多头日度超额收益最大回撤6.

您可能关注的文档

文档评论(0)

anhuixingxing + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档