發(fā)布時(shí)間：2024-05-16 21:18

　　文中基于BigQuant平臺股票投顧系統(tǒng),利用StockRanker算法和回測機(jī)制,對中國股市在整個(gè)樣本期2010年1月1日至2019年2月5日具有正常交易的全部A股中剔除滬深300指數(shù)成份股后的1 848只股票特征數(shù)據(jù)進(jìn)行分析,給出最有投資價(jià)值的股票排序,從而為具有不同風(fēng)險(xiǎn)偏好的投資者提供智能化、個(gè)性化的資產(chǎn)配置建議。文中基于標(biāo)準(zhǔn)指數(shù)基金中證500指數(shù),通過策略判斷,用業(yè)績優(yōu)異的非成份股代替業(yè)績較差的成份股,開發(fā)出一款D產(chǎn)品,它具有超越標(biāo)準(zhǔn)指數(shù)基金更好、更穩(wěn)定的投資收益。

【文章頁數(shù)】：4 頁

【部分圖文】：

圖1AI量化策略的開發(fā)流程

根據(jù)StockRanker選擇的模型進(jìn)行策略回測,獲取策略表現(xiàn),完成股票推薦。3股票投資組合策略開發(fā)實(shí)操

圖2StockRanker處理流程圖

在BigQuant平臺數(shù)據(jù)處理框架中,StockRanker模型訓(xùn)練處理流程如圖2所示。(1)獲取目標(biāo)數(shù)據(jù)。定義機(jī)器學(xué)習(xí)目標(biāo)并標(biāo)注數(shù)據(jù)。對股票來說,我們關(guān)注的是風(fēng)險(xiǎn)和收益。本文設(shè)置機(jī)器學(xué)習(xí)的目標(biāo)標(biāo)注函數(shù)為未來5天的收益風(fēng)險(xiǎn)比作為標(biāo)注,分20檔。在AI策略目標(biāo)生成中,設(shè)定AI提供未....

圖3模型復(fù)雜度與預(yù)測誤差

(5)用驗(yàn)證集檢驗(yàn)過擬合,剪除多余的樹。一般來講,葉子節(jié)點(diǎn)數(shù)越多,模型復(fù)雜度越高,Bias越小,Variance越大;模型復(fù)雜度越低,Bias越大,Variance越小。當(dāng)模型復(fù)雜度較高時(shí),雖然偏差很小,但是模型方差很大,因此,模型的泛化能力不高。因此Stockranker模....

圖4回測作業(yè)處理流程

圖4是回測作業(yè)處理流程。第一步回測開始,調(diào)用初始化函數(shù)(initialize),初始化賬戶狀態(tài)和策略參數(shù)。

本文編號：3974923