首页 > 资讯 >

每日精选：量化投资策略报告：机器学习系列：AI能否学会看图选股

2023-05-12 12:23:52 来源：中泰证券股份有限公司

(资料图)

最为常见的技术分析手段就是“看图”。由于人性相近，在相同的外部条件下，人们通常有相近的反应。这一切都会在图中表现出来。技术分析和相关的量价因子，在金融学界和投资界都有广泛的应用。

笔者过往的研究《挖掘资产定价中的隐式因子》，已着手使用机器学习的办法研究量价数据，特别是价格数据背后隐含的市场预期。对价格这样的纯一维数据，我们使用主成分分析（PCA）挖掘隐式因子的特征方向，使用稳健回归（Huber）估计隐式因子的风险溢价。

如果我们同时考虑量价二维数据，例如类似K 线图的形式：

测未来收益的模式。

具体而言，我们将含有两条均线的K 线图作为特征，股票收益作为标签，使用卷积神经网络（CNN）训练分类模型。在低价股这个样本中，我们使用2011 年至2018年的数据训练模型，在2019 年至2023 年的数据进行推理。将预测结果视作因子值，预测未来一个月收益的IC 均值约6.0%，IR 约1.06。对预测结果用排序法检验，多空组合的年化收益率约26%，夏普比率约3.8。多因子回归检验，Top 多头组合和多空组合都有显著的alpha。

我们使用约20 个交易日的收益数据训练模型后构造了月度换仓策略，该策略在2019年至2023 年Q1 的样本外上年化收益率约28%，夏普比率约1.49；同期万得全A 年化收益约11%，夏普比率约0.66。

风险提示事件：本报结论基于公开的历史数据进行统计、测算，文中部分数据有一定滞后性，同时存在第三方数据提供不准确风险；对基金产品和基金管理人的研究分析结论并不预示其未来表现，也不能保证未来的可持续性，亦不构成投资收益的保证或投资建议；产品的表现受宏观环境、行业基本面超预期变动、市场波动、风格转换等多重因素影响，存在一定波动风险。

每日精选：量化投资策略报告：机器学习系列：AI能否学会看图选股

为您推荐

最近更新

每日推荐

图片新闻

48小时频道点击排行

0

0

0

0

0

0

0

0

0

0