QuantML-Qlib Model | Kansformer： KAN+Transformer时序模型用于股票收益率预测

QuantML-Qlib Model | Kansformer： KAN+Transformer时序模型用于股票收益率预测

原创 QuantML QuantML 2024-06-18 20:57 上海

Content

之前公众号介绍了几篇KAN的文章，也做过KAN相关的模型：

What KAN I say？KAN代码全解析

QuantML-Qlib开发版 | 最新神经网络结构KAN用于因子挖掘

取代MLP？MIT全新神经网络结构KAN,3天1.4k star

QuantML-QlibModel | KAN + GRU 时序模型用于股票预测

 Kolmogorov-Arnold Networks（KANs），它是由Kolmogorov-Arnold表示定理启发而来，旨在作为多层感知器（MLPs）的有前途的替代品。KANs的核心特点是在网络的边缘（即权重）上拥有可学习的激活函数，而不是像传统的MLPs那样在节点（即神经元）上使用固定的激活函数。这些激活函数由一元函数（univariate functions）组成，每个权重参数被一个作为样条（spline）参数化的一元函数所替代。

KAN的特点在于模型参数量少，具有较好的可解释性。

在之前的KANGRU模型中，我们采用KAN+GRU的结构，相比于单纯的GRU效果有所提升，本文我们利用KAN和Transformer构建Kansformer模型，用于股票收益率预测。

2. 代码部分

我们在中QuantML-Qlib实现Kansformer模型。由于有部分c代码，需要编译后再使用，在QuantML-Qlib根目录下运行以下命令进行编译

python  setup.py build_ext --inplace

代码结构如下：

examples/benchmarks/Kansformer/workflow_config_kansformer_Alpha360.yaml文件中设置好数据路径，超参数后，运行run.py即可。

在中证500内测试，样本外周频IC为0.0615， IR为3.125，与KANGRU结果相近。

回测效果：

年化alpha：10.42%，超额信息比：1.20，超额最大回撤：6.98%

代码已更新至QuantML-Qlib，factor和model目录结构如下：