基于自注意力神经网络的多因子量化选股问题研究

摘要：

大数据时代,深度学习算法的不断完善丰富了量化投资领域的分析方法,在众多量化投资策略中,多因子选股策略因其稳定的收益而备受投资者青睐.本文借助Tushare Pro金融大数据平台和聚宽量化交易平台,选取2009年10月至2019年3月沪深300各成分股日度数据作为研究对象,全面选取行情类、财务类、技术类和投资者情绪类四个类别共117个因子构建初始因子池,利用集成思想综合计算Pearson相关系数、距离相关系数、基于AIC准则的Elastic Net、基于BIC准则的Elastic Net、随机森林和GBDT共六个模型对于各个因子的重要性进行评分,筛选出68个因子;运用自注意力神经网络模型,通过过去60个交易日的因子数据,预测各成分股未来一个月的价格变动趋势,按上涨概率大小选取出前50只股票按等权重的资金分配方式构建投资组合,以月为周期进行投资组合的更新.实证结果表明,该投资策略相比于沪深300指数具有更高的收益和较低的风险.

关键词：多因子选股、量化投资、集成学习、自注意力神经网络

所属期刊栏目：39

分类号：O212;O213.2(概率论与数理统计)

资助基金：第四次全国经济普查公开招标立项课题;中央高校专项课题

在线出版日期：2020-06-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共15页

页码：556-570