风险中性的深度学习选股策略
创建于 更新于
摘要
本报告针对深度学习选股策略中的风格轮动和行业轮动问题，提出对股票样本进行风险中性化处理，通过截面回归剥离行业和市值风险因子影响，实现对股票收益的风险中性标注。基于风险中性样本训练的七层深度神经网络模型，预测未来10个交易日股票涨跌概率。实证显示风险中性深度学习模型能有效降低对市值因子的依赖，提升策略稳定性和收益表现。2011年以来以中证500股票池回测，年化超额收益达21.95%，最大回撤-5.03%，胜率74.6%，信息比2.92，显著优于普通深度学习策略 [page::0][page::3][page::8][page::10][page::14][page::15][page::17][page::19][page::20]
