【年度重磅研报】Deep Alpha-CNN 7层卷积神经网络能否穿越熊牛？
由qxiao创建，最终由qxiao 被浏览 470 用户
擂台赛背景
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。
研究结论要点：
1、7层的卷积神经网络表现好于2层，能够学习到更多的市场特征。
2、研究发现当kernel size、batch size、feature map等参数越小，模型表现越佳，当参数越小时，信息颗粒度越细，学习到的效果越佳。
3、滚动回测发现，相比DNN，CNN表现出了一些穿越熊牛特性。
\
擂台赛赛制
用户克隆之后，可对模型结构/参数进行调整，对以下4个项目进行擂台，擂台比赛采取积分制，积分方式如下：
时间安排——
模型提交时间：2021年12月31日前
评选结果公布时间：2022年1月10日前
提交方式——
模型名称定义为：用户昵称+CNN擂台赛，完成后模型链接+测评文章链接链接提交邮箱：xchen@bigai.cn
积分方式——
基准模型：100×夏普率+0.5×总收益率+100×最大回撤
滚动回测：100×夏普率+1000×方差
结论验证：10×上述研究结论驳回/验证数量
测评文章：测评文章阅读量×1分
奖项&奖品设置——
总得分top3：训练营最新全套课程，价值7998元
总得分top4-10：新版会员一年服务，价值1999元
单项奖：神秘年度纪念品
算力问题——
Deep Alpha-CNN涉及深度学习，算力要求略大(6核24G+1GPU)，如有资源需求可申请，联络小Q（bigquant101）
https://bigquant.com/experimentshare/10f84418d79b48cf88038714a3448859
\
测评文章结构建议
1 关键结论 2 基准模型回测经验&模型结果 3 滚动回测经验&模型结果
基准擂主：Deep Alpha-CNN基准模型
模型表现—— 收益率：92.44%；年化收益率19.45%； 夏普比率：0.65；收益波动率：29.68%，最大回撤25.24%
滚动擂主：8年滚动测试结果对比
2014年1月2日-2021年7月30日 整体收益率：4200.00%，年化收益率：64.47%，最大回撤：49.60%，夏普率：1.534
\