集团网站开发公司,盘锦网站开发公司,龙岩有什么公司,网页游戏平台代理加盟首先#xff0c;我们先来看一下通过卷积神经网络选股模型的整体流程#xff0c;然后再根据每一步流程进行介绍#xff0c;具体如下图所示#xff1a;1、数据获取用于历史回测数据来自所有A股股票#xff0c;其中剔除了ST股以及上市3个月的股票#xff0c;另外#xff0c…首先我们先来看一下通过卷积神经网络选股模型的整体流程然后再根据每一步流程进行介绍具体如下图所示1、数据获取用于历史回测数据来自所有A股股票其中剔除了ST股以及上市3个月的股票另外每只股票是做一个样本。回测的区间是从2011年1月31日到2019年1月31日。2、特征和标签提取通过CNN进行分类预测时必然需要进行对特征进行提取并进行标签的标注工作。其中样本特征是根据每个自然月的最后一个交易日计算82个因子值作为原始特征。由于卷积神经网络需要提供二维的平面数据所以这里选取的每个样本数据考虑了5个历史截面期这样得到的数据就是一个82×5的因子图片了。下面展示了某个股10个因子5个历史截面期时的因子图片。其中t表示事件截面的时间周期刻度。这样如果在一个时间截面上有3000支股票那么就可以得到3000张个股的因子图片了。对于分类问题其标签是根据下个月的排名进行设置其中收益前30%的股票作为正例后30%的股票作为负例以此作为样本的标签。3、特征预处理和二维数据生成这部分主要包括对因子序列去极值处理缺失值以及对因子序列进行标准化处理等。然后根据前面的要求的形式将其转换为因子图片这样在每个月的截面上就可以得到所有股票池中的截面数据了。下图中列出了用到的82中因子的一部分。4、滚动训练集和验证集的合成由于按照月度滚动的形式进行训练时间开销会比较大所以文中采用的是年度滚动的训练方式。即全体样本内外数据分为九个阶段例如预测2011年时将2005年到2010年共72个月的数据合并作为样本内数据预测T年时将T-6到T-1年的72个月合并为样本内数据具体如下图所示。5、样本内训练使用卷积神经网络对训练集的数据进行训练。6、交叉验证调参随机选取10%训练样本内的数据作为验证集每次在验证集上的loss达到最小时停止训练。7、样本外测试在确定最优参数之后以T月截面期所有样本预处理后的特征作为模型的输入得到对于每个样本的预测值并将预测值作为合成后的因子对单因子进行分层回测。8、模型评价通过分层回测和构建的选股策略的结果作为模型评价的标准。
