非银行金融行业专题报告：让AI照进投资现实：基于深度学习的市场风险偏好指数及应用

敬请参阅报告结尾处的免责声明东方财智 兴盛之源DONGXING SECURITIES行业研究东兴证券股份有限公司证券研究报告让AI照进投资现实：基于深度学习的市场风险偏好指数及应用 ——非银行金融行业专题报告 2018 年 10 月 26 日 看好/维持 非银行金融 专题报告 投资摘要： 我们的研究方法是将基本面分析框架纳入深度学习领域。目前人工智能在互联网和制造业有着越来越广泛的应用，不管是应用领域的不断扩展还是深度学习算法的不断优化，都极大地改善了传统工作模式和思维方式。但金融领域尤其是证券研究行业目前还鲜有落地的应用案例。针对现存的种种问题，我们在此提出了一种将业界较为领先的深度学习算法应用到证券研究领域的切入方式。  我们将着眼点缩小至行业研究领域，并以券商行业为代表。将行业研究的基本面分析框架纳入深度学习领域。  我们使用券商行业基本面的分析框架，对收集到的新闻和文章内容，根据其所表达的全文内容信息，综合考量该文章内容对于券商行业的基本面是利好还是利空，并标记出相应五点式评分，包括非常利空、利空、中性、利好和非常利好。  使用网络上从各新闻源爬虫获取的文章内容，形成 17500 篇文章样本，并对其逐一进行阅读和打分，形成深度学习模型的训练集和测试集。  我们采用 Hierarchical Attention Networks 深度学习模型，并对其进行训练，使其具备依靠基本面逻辑判断文章传达信息属于利好还是利空的能力。并将其结果进行输出。给予输出结果，我们进一步了探讨其应用的方式。 我们将编制的深度学习-风险偏好指数与上证指数联合进行回测分析，目前发现该指数有两方面特点：  在回测的各历史阶段，都有比较好的市场背景解释能力。证明该风险偏好指数有一定的合理性。  在市场上涨末期，该风险偏好指数具有较好的预警能力。当大盘指数上涨但风险偏好指数下降时，提示后市回撤风险，效果比较明显。 本次专题研究首次尝试将行业研究的基本面框架纳入深度学习的技术领域，未来有着更为广阔的扩展空间：  本专题使用券商行业作为代理行业，但若有更为垂直的新闻源，理论上可以纳入任何板块的基本面分析框架从而输出针对不同行业的基本面舆情指数。  多行业综合后的风险偏好指数将可能提供更为客观的市场风险偏好测量。从而为风险偏好的观测开拓一条全新的路线。  随着模型学习到更多的信息，该舆情指数和风险偏好测度也将越发准确。  未来不断扩大新闻源，可以预期当我们每天用来计算舆情指数的新闻源进一步扩充之后，包括纳入类似微信公众号等众多自媒体平台内容以及社区内容后，将具备更好的市场代表性。 郑闵钢 010-66554031 zhengmgdxs@hotmail.com 执业证书编号: S1480510120012 研究助理：安嘉晨 010-66554014 anjc@dxzq.net.cn 行业基本资料 占比% 股票家数 60 1.69% 重点公司家数 - - 行业市值 44945.83 亿元 8.95% 流通市值 30031.11 亿元 8.37% 行业平均市盈率 16.06 / 市场平均市盈率 13.70 / 行业指数走势图 资料来源：东兴证券研究所 相关研究报告 1、《证券行业深度报告：券商资管业务：行业整体转型的轴心》2018-09-26 2、《证券行业 2018 年半年报综述：结构性集中！“非好即坏”并非证券行业分化本质》2018-08-31 3、《证券行业深度报告：CDR 打开券商盈利空间及新业务分析》2018-06-19 4、《非银行金融行业报告：破净也可重圆券商估值历史新低》2018-06-01 1、《非银风险渐趋5、《证券行业 2017 年及 2018 年一季报综述：先行者底部的守望》2018-05-16 2、《201范 建议布6、《非银行金融行业报告：乘着周期的翅膀证券板块贝塔值的再思考》2018-05-09 3、《201券商板块7、《非银行金融行业报告：叫停私募场外期权无碍券商业绩表现》2018-04-12 4、《201券商板块 -30.0%-20.0%-10.0%0.0%10.0%20.0%10/26 12/262/264/266/268/26沪深300 非银行金融 P2 东兴证券专题报告 非银行金融行业：让 AI 照进投资现实：基于深度学习的市场风险偏好指数及应用 敬请参阅报告结尾处的免责声明 东方财智 兴盛之源 DONGXING SECURITIES 目 录 深度学习在证券研究领域的应用价值潜力巨大........................................................................................................................................ 3 1.1 我们的研究方法是将基本面分析框架纳入深度学习领域 ........................................................................................................ 3 1.2 深度学习模型 Hierarchical Attention Networks........................................................................................................................ 4 1.2.1 模型亮点 ............................................................................................................................................................................. 4 1.2.2 模型基本思路符合人们阅读理解习惯 ............................................................................................................................. 4 1.2.3 模型特点适用于证券研究领域 ......................................................................................................................................... 6 2. 我们提出基于 HAN 的市场风险偏好间接测度方法............................................................................................................................ 7 2.1 深度学习模型与行业研究