DeepAlpha多股策略小试牛刀

由james_1创建，最终由james_1更新于2023-07-05 13:58 被浏览 467 用户

作者：james_1

前言

虫神已经对DeepAlpha进行比较详细的实验：DeepAlpha实践报告。

在这里我分享下DeepAlpha-DNN和CNN的对比：

DNN操作简单, 对算力要求高, 容易得到比较稳定且一致的结果。可能是我对DNN不熟悉, 对我来说, 效果相比传统的机器学习, 提升不是很大，比较难以改进。

逻辑：每日买5股, 次日卖出, 总共持仓10股

为了节省算力, 我把模型进行了一些缩减，如下所示：

逻辑：每日买5股, 次日卖出, 总共持仓10股

{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}

尝试加入更多的股票：

{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}

{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100} ==在小股票池的策略里面不管是DNN, 还是CNN, 股票数量增加, 收益下降明显. 收益主要来自排名靠前的几个股票.==

以前我训练策略主要是想要得到持股1-3支的策略，借着此次实验, 我特意在其他模型叁尝试了更多持股，发现板块因子对于多股选股能力有很大的提升。以前对比过申万行业因子和同花顺概念因子, 发现同花顺的概念更加有效, 但是同花顺的概念的保质期可能更短.

持股从5股到50股的策略收益变化如下所示：

{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}

在实验的过程中, 发现一个有意思的现象：==不同排位的股票的收益明显不同，不一定predlabel高的就是一定更好。==

由此给出假设: 如果策略可以学习到多个盈利模式, 那么有些模式的可能一直都有很高得分, 有些模式永远都到不了前方。

{w:100}{w:100}{w:100}{w:100}{w:100} 排名第6,8的策略比7,9的策略差很多。

如果选股是随机的, 不可能出现这么大的差距. 而可能的解释就是, 不同的风格占据了对应的收益分布.

==想要得到一个优秀的多股策略, 需要策略在多种盈利模式下都有不错的表现, 训练策略的过程就是平衡和优化各种盈利模式。==