【Python】CNN多因子选股模型（量化交易）

最新推荐文章于 2024-04-28 16:34:47 发布

Yolimia

最新推荐文章于 2024-04-28 16:34:47 发布

阅读量2.8k

点赞数 2

文章标签： python cnn 金融神经网络

本文链接：https://blog.csdn.net/m0_74961681/article/details/131455288

版权

本文介绍了如何运用Python和CNN构建多因子选股模型，该模型是量化交易中的一种主流策略。通过计算单期因子和涨跌幅，结合历史数据训练模型，并进行多期回测。代码实现中涉及了数据查询、因子计算、模型训练和预测结果的展示，但未考虑实际交易中的费用和限制问题。

摘要由CSDN通过智能技术生成

之前写的一些策略主要是基于时间序列下的个股交易方式（网格交易策略、动量策略等），这些策略不属于目前的主流策略，在现今只是起收益增厚的辅助作用。今天讲一个量化机构都在用的多因子选股模型，正巧见过一个券商研报用CNN来做，自己尝试做一下，熟悉一下架构。

模型涉及到多期回测，有点点复杂，可以看看下图，我尽量解释清楚各个模块。

话不多说上代码

导入必要库：

import akshare as ak
import pandas as pd
import numpy as np
from pylab import plt, mpl
from datetime import datetime, timedelta
from sklearn.model_selection import train_test_split
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Conv1D, MaxPooling1D, Flatten, Dense
from sklearn import preprocessing

查询投资范围的股票代码以及基本信息

# 查询股票代码
stock_list = ak.index_stock_cons_weight_csindex(symbol="000300")
noa = 300
# 查询行业 + 重构表格
data = []
for i in range(noa):
    所属行业 = ak.stock_individual_info_em(symbol=stock_list['成分券代码'][i])['value'][2]
    data.append([stock_list['成分券代码'][i], stock_list['权重'][i], 所属行业])
data = pd.DataFrame(data, columns= ['代码','权重','行业'])

第一个模块，上图所示黄色部分，定义函数计算单期因子以及对应涨跌幅。