12月7日,BigQuant发布年度重磅报告(https://bigquant.com/wiki/doc/niandu-zhongbang-bao-DeepAlphaCNN-juanji-shenjingwangluo-qXe3iEgfRI),发布了Deep Alpha-CNN模型,该模型采用7层一维卷积神经网络,并引入残差,降低模型复杂度,防止梯度爆炸/消失,达到更好收敛。
原始模型98个因子选取1个时间截面,这里我改成了98个因子5个时间截面,神经网络结构其他部分变化不大。因为比赛时间有限,且单次模型训练时间较长,因此模型没有怎么调仓,参数和原始模型基本一致。从(98,1)改成(98,5)模型表现反而变差了,可能超参数需要优化,但比赛时间有限,超参数调参来不及了。
模型表现—— 收益率:57.47%;年化收益率13.37%; 夏普比率:0.51;收益波动率:25.14%,最大回撤29.87%8年滚动测试结果对比
https://bigquant.com/experimentshare/290ba3e118a9472390259d119dde3314
\
\
2014年 | 2015年 | 2016年 | 2017年 | 2018年 | 2019年 | 2020年 | 2021年 | |
---|---|---|---|---|---|---|---|---|
收益率 | 93.74% | 122.2% | 10.42% | 14.75% | -23.56% | 24.6% | 28.72% | 18.44% |
夏普比率 | 2.81 | 1.98 | 0.39 | 0.77 | -1.04 | 0.94 | 0.9 | 0.92 |
最大回撤 | 12.65% | 46.67% | 22.32% | 10.2% | 30.68% | 23.16% | 19.98% | 12.74% |
\