LSTM 模型市场择时策略-华西证券-20210909
由small_q创建,最终由small_q 被浏览 48 用户
摘要
量化择时交易策略
机器学习量化交易策略的制定,是通过从海量历史数据中,利用计算机强大的处理能力,挖掘并分析出那些能够为投资者带来收益的各种大概率可行的投资方式来实现的。通过数学模型对这些策略进行分析并加以验证,以期望让投资者获得更高更稳定的收益,或更合理地规避风险。
长短期记忆模型通过记忆单元有效地学习长期依赖关系,在金融市场预测中具有明显优势
长短期记忆网络是人工神经网络的一种,具有负责计算时间序列中各个观测值之间依赖性的能力,同时具有快速适应趋势中急剧变化的固有能力。所以,长短期记忆模型可以在波动的时间序列中很好地工作。在处理股票价格这样的时间序列数据时,此模型具有明显的优势。
基于长短期记忆模型的择时策略具有高收益,高夏普比率,低回撤率等特点
长短期记忆网络可以通过记忆单元有效地学习时间序列中的长期依赖关系,对股票市场变化趋势有着较高的拟合度。所以可以根据模型对股票收益的预测结果来决定交易行为。对沪深 300 指数的回测结果表明模型具有高收益,高胜率,高夏普比率,低回撤率等优点。
基于长短期记忆模型择时在风险和收益两个维度有着很好的表现
利用长短期记忆网络构建股票收益预测模型,根据预测结果决定交易行为。通过在沪深 300 上的回测表明模型具有高收益,高胜率,高夏普比率,低回撤率的优点。
风险提示:模型基于对历史数据统计,仅作为投资参考。
正文
/wiki/static/upload/36/36108f0d-a9a0-4438-a9fc-1b3c2b37e736.pdf
\