风险中性的深度学习选股策略
创建于 更新于
摘要
本报告提出了一种基于深度学习的风险中性选股策略，通过构建行业和市值中性化的机器学习模型，剥离风险因子影响，提升选股的独立alpha能力。模型以156个因子和28个行业哑变量为输入，采用5层深度神经网络结构对股票涨跌进行三分类预测。风险中性模型在2011年至2018年回测期间实现了年化收益率21.95%、最大回撤-5.03%、信息比2.92，显著优于普通深度学习模型的表现，并且大幅降低了因子与市值的相关性，实现了策略表现的有效多样化[page::0][page::3][page::11][page::19][page::25][page::31]。
