【量化研报分享】国泰君安-基于深度学习理念的高频交易策略-20200319


(iQuant) #1

本报告导读: 机器学习寻找的是适宜交易异象的稳定周期频率,并不是寻找特定参数组下的高收益 曲线(即参数过拟合)。

摘要:

  • 目前获取战胜基准指数的主要途径是从多因子模型角度来考虑的,其 本质上都是通过股票间的横向比较来获取超额收益,这也是我们提出 T0 系列策略的初衷,希望将个股择时与多因子模型结合起来,给投 资者带来更多思路。
  • 深度学习在图像处理领域更加成熟,其类似于一种图像降维技术,通 过提取图像中的特征值对类似图像进行匹配。本文通过深度学习的方 法对参数组及胜率的多维空间进行降维,并对其分布形态进行评估, 从而确定模型泛化能力。
  • 自 2015 年 5 月至 2019 年 5 月,相对上证 50 指数(股票采用指数准 权重),实现年化收益 3.94%,最大回撤-0.45%,信息比例高达 8.75。 其中,策略平均持仓为 10%左右,随着策略丰富性提升,信号覆盖比 例有望大幅上升。
  • 相对沪深 300 指数(股票采用指数标准权重),实现年化收益 4.19%, 最大回撤-0.21%,信息比例高达 19.95,T0 收益整体表现优异。
  • 机器学习寻找的是适宜交易异象的稳定周期频率,并不是寻找特定参 数组下的高收益曲线(即参数过拟合)。如果参数组对应胜率的分布 满足特定的特征,则其样本外的稳定性会大幅提高。
  • 规律和过拟合的区别是什么?过拟合一个是特殊情况下一次性的表 现。规律是具备泛化能力的稳定特征。如何评估稳定性?随着参数变 化,规律显著性呈现稳定的单调性变化。