基于卷积神经网络模型的市场择时策略
创建于 更新于
摘要
本报告基于卷积神经网络（CNN）构建市场择时策略，通过对沪深300指数日度历史数据和14个技术指标进行特征抽取与收益率分类，利用7:3数据划分训练模式实现涨跌趋势预测。模型优化过程中对dropout比例、batch_size、训练批次数及学习率进行调参，最终获得年化收益率18.16%，夏普比率0.91，最大回撤率16.13%，胜率72%。模型评估显示ROC曲线指标auroc=0.81，PR曲线指标auprc=0.82，反映CNN模型具有较强的分类和预测能力，择时策略实现了高收益与控制风险的目标，具备实用价值。[page::0][page::6][page::9][page::12][page::14][page::15]
