本文提出AlphaNet 的三个改进方向,均取得理想的改进效果在华泰金工前期报告《AlphaNet:因子挖掘神经网络》(2020.6.14)和《再探AlphaNet:结构和特征优化》(2020.8.24)中,我们构建了端到端的因子挖掘和因子合成模型AlphaNet,深度学习的灵活性使得其具有很大的改进和定制空间。本文对市场规律和模型特点进行深入思考,提出了AlphaNet的三个改进方向:(1) 特征提取层自定义Dropout 机制;(2)损失函数加入中性化机制; (3)损失函数中提高多头样本权重。我们以前期报告中的 AlphaNet-v2 模型作为基线模型,对三个改进方向进行了测试,在测试中均取得了理想的改进效果。
特征提取层自定义Dropout 机制:控制过拟合,提升模型训练速度 Dropout 是神经网络中常用的控制过拟合技巧。本文借鉴Dropout 的思想,针对AlphaNet 的特征提取层实现了自定义Dropout 机制:对二元运算函数 (ts_corr,ts_cov 等)进行抽样遍历,该机制可从以下三点改善模型:(1) 节约二元运算函数的计算开销,提升训练速度。此外由于计算开销的下降,更多原始特征可以输入模型,有可能提升模型的预测能力。(2)抽样遍历得到的特征之间相关性下降,有利于控制过拟合。(3) 可降低不同随机数种子下训练模型的相关性,有利于模型集成。测试中,加入自定义Dropout 机制的 AlphaNet 在收益方面的表现有小幅提升,同时训练耗时明显减少。
损失函数加入中性化机制:剔除风格,挖掘更纯粹的Alpha 因子为了挖掘具有增量信息的因子,本文将因子中性化机制加入到AlphaNet 的损失函数中,新的损失函数可引导模型挖掘与Barra 风格因子相关性较低的因子,降低风格暴露,使得模型的预测结果具有更纯粹的Alpha 属性。测试中,AlphaNet 的损失函数加入中性化机制后,模型的超额收益虽然下降但是稳定性大幅提升,对回撤和波动的控制都显著改善,模型在2014 年底、 2019 年初、2020 年初的超额收益回撤都明显减小。值得注意的是,损失函数的中性化机制不仅适用于AlphaNet,也适用于任何神经网络选股模型,是一个通用的方法。
损失函数中提高多头样本权重:挖掘具有显著多头收益的因子由于A 股做空手段有限,在A 股进行因子投资一个常见问题是如何挖掘具有显著多头收益的因子。针对AlphaNet,可通过提高多头样本权重来引导模型挖掘具有显著多头收益的因子。测试中, 提高多头样本权重的 AlphaNet 在分层测试中TOP 组合收益率、TOP 组合信息比率更高,构建中证500 指数增强组合的年化超额收益率、信息比率更高。该方法是一种简单而行之有效的方法,无需从底层代码对网络进行修改,其他神经网络选股模型也可进行尝试。
风险提示:通过人工智能模型构建的选股策略是历史经验的总结,存在失效的可能。神经网络受随机性影响较大,可解释性较低,使用需谨慎。
相关报告
哈佛1.6万字最新报告:中美AI霸权之争:鹿死谁手?(中英对照)
1.8w+
类型:专题
上传时间:2020-08
标签:中美、AI、人工智能)
语言:中英
金额:10元
哈尔滨工业大学:ChatGPT调研报告
1.7w+
类型:专题
上传时间:2023-03
标签:ChatGPT、OpenAI、人工智能)
语言:中文
金额:5积分
1200页2020北京智源大会文集:AI 下一个十年
1.4w+
类型:科技
上传时间:2020-11
标签:AI、人工智能、芯片)
语言:中文
金额:免费
清华-人工智能发展报告(2011-2020)
1.3w+
类型:行研
上传时间:2021-01
标签:人工智能、发展)
语言:中文
金额:5积分
深度研究:中美人工智能之比较分析
9535
类型:经管职场
上传时间:2021-08
标签:中美、人工智能、科技)
语言:中文
金额:免费
177页AI 全景报告 2020(英)
8479
类型:行研
上传时间:2020-10
标签:AI、人工智能)
语言:英文
金额:5积分
顶级投行万字报告:人工智能对经济增长的潜在巨大影响(中英对照)
7711
类型:宏观
上传时间:2023-04
标签:人工智能、经济增长、就业)
语言:中英
金额:3元
《AI未来》读书笔记
6986
类型:读书笔记
上传时间:2021-09
标签:人工智能、AI)
语言:中文
金额:9.9元
从CHAT_GPT到生成式AI(Generative AI):人工智能新范式,重新定义生产力
6804
类型:行研
上传时间:2023-01
标签:人工智能、生成式AI)
语言:中文
金额:5积分
人工智能专题课System for AI
5868
类型:学习教育
上传时间:2021-08
标签:人工智能、机器学习、神经网络)
语言:中文
金额:免费
积分充值
30积分
6.00元
90积分
18.00元
150+8积分
30.00元
340+20积分
68.00元
640+50积分
128.00元
990+70积分
198.00元
1640+140积分
328.00元
微信支付
余额支付
积分充值
应付金额:
0 元
请登录,再发表你的看法
登录/注册