今天我们为大家带来最新的研报内容,来自广发证券金工团队的《风险中性的深度学习选股策略》。下面让我们来一起学习吧!https://mp.weixin.qq.com/s?__biz=MzAxNTc0Mjg0Mg==&mid=2653288319&idx=1&sn=e2be2ffda6b8c63f46a966790e8147ad&chksm=802e356ab759bc7c9a607ffb2145a020b454b2a97dac956684d484d5ed8bba5b09770d049dab#rdmp.weixin.qq.com
风险中性的机器学习选股模型
模型训练:通过训练样本,确定模型结构,优化模型参数。
预测输出 Y 的维度:3。
输入特征 X 的维度:156(128个因子+28个行业) 通过网格搜索获取最优的模型结构。
选取模型结构为: 156(输入层)-512-200-200-200-128-3(输出层) 即一共包含5个隐层。
隐层节点数依次为:512(隐层1)、 200(隐层2)、 200(隐层3)、 200(隐层4)、 128(隐层5)。
提高深层神经网络选股性能的主要方法:1、采用relu等激活函数。
2、将优化目标函数MSE改成交叉熵。
3、Batch normalization技术。
4、Dropout技术。
采用Keras作为机器学习平台:1、可以选择Tensorflow、CNTK、Theano(目前已经停止更新)作为后端。
2、目前已经支持多GPU。
3、显卡选择:Nvidia GTX Ti