量化评论(109)：深度学习赋能技术分析

金融工程专题 请务必参阅正文后面的信息披露和法律声明 1 / 13 2025 年 06 月 25 日 《遗传算法赋能交易行为因子—市场微观结构（20）》-2023.8.6 《深度学习赋能交易行为因子—市场微观结构（24）》-2024.5.24 《深度学习赋能分析师行为：更稳的盈利预期调整组合—开源量化评论（99）》-2024.8.8 《深度学习赋能风格轮动与多策略融合—开源量化评论（103）》-2024.12.12 深度学习赋能技术分析 ——开源量化评论（109） 魏建榕（分析师） 盛少成（分析师） weijianrong@kysec.cn 证书编号：S0790519120001 shengshaocheng@kysec.cn 证书编号：S0790523060003  基于技术指标的因子挖掘 在本文第一部分，我们主要利用股价数据（开、高、低、收、成交量），以及衍生出的相关技术指标进行因子挖掘。在挖掘方式上，我们对比了如下两种：（1）直接使用 LSTM；（2）先用遗传算法挖掘出有效因子，再将其和原始数据一起作为初始变量，使用 LSTM。其中，第二种方式下得到的因子𝐿𝑆𝑇𝑀𝑑𝑒𝑎𝑝_𝑡𝑒𝑐ℎ的RankIC 从 2019 年至今为 9.27%，高于第一种方式下𝐿𝑆𝑇𝑀𝑡𝑒𝑐ℎ的 7.42%。除此之外，𝐿𝑆𝑇𝑀𝑑𝑒𝑎𝑝_𝑡𝑒𝑐ℎ基本包含了𝐿𝑆𝑇𝑀𝑡𝑒𝑐ℎ的 alpha 信息，在使用𝐿𝑆𝑇𝑀𝑡𝑒𝑐ℎ回归𝐿𝑆𝑇𝑀𝑑𝑒𝑎𝑝_𝑡𝑒𝑐ℎ之后，残差基本不具备选股效果。  基于图形识别的因子挖掘 在本文第二部分，我们尝试从图形出发，构建形态选股因子。对于图形的识别，在深度学习领域，一种可行的方法即：使用 CNN 网络学习股票状态，生成状态隐藏层，接着通过全连接层输出涨跌判断。但是经过尝试我们发现：此方法训练耗时较长且对算力、内存要求较高；除此之外，图形识别无法涵盖一些更为细致的影响因素（如涨跌停等），且可以涵盖的技术指标数量存在一定的限制。 针对此情况，我们进行了方案的转变，即人为定义图形的状态。基于状态的划分，我们尝试了两种思路构建因子：（1）人工维度：构建历史形态相似度因子𝑇𝑒𝑐ℎ_𝑠𝑚𝑖𝑙𝑎𝑟𝑖𝑡𝑦和𝐾_𝑠𝑚𝑖𝑙𝑎𝑟𝑖𝑡𝑦，二者合成后𝑇𝑒𝑐ℎ_𝐾_𝑠𝑚𝑖𝑙𝑎𝑟𝑖𝑡𝑦从 2019 年至今其RankIC 为 4.87%；（2）深度学习维度：将状态变量放入 LSTM 中进行训练，得到因子𝐿𝑆𝑇𝑀𝑔𝑟𝑎𝑝ℎ，2019 年至今 RankIC 为 9.01%。除此之外，𝐿𝑆𝑇𝑀𝑔𝑟𝑎𝑝ℎ基本包含𝑇𝑒𝑐ℎ_𝐾_𝑠𝑚𝑖𝑙𝑎𝑟𝑖𝑡𝑦的 alpha 信息。  综合的深度学习技术因子 在以上两个部分的讨论中，我们深度论证了在使用深度学习挖掘技术因子时，输入端对于最后结果的影响。本文给出两种尝试：（1）结合遗传算法有效因子，得到𝐿𝑆𝑇𝑀𝑑𝑒𝑎𝑝_𝑡𝑒𝑐ℎ；（2）将技术指标转化为状态变量，得到𝐿𝑆𝑇𝑀𝑔𝑟𝑎𝑝ℎ。由于二者是从不同维度出发构建的因子，因此相互都不能被对方完全解释，最终我们将二者等权合成，绩效进一步提升。合成因子𝑳𝑺𝑻𝑴𝒅𝒆𝒂𝒑_𝒕𝒆𝒄𝒉_𝒈𝒓𝒂𝒑𝒉从 2019 年至今 RankIC 为 10.89%，RankICIR 为 4.99，10 分组多空对冲的年化收益为37.28%，整体表现较为优异。  其他重要补充：与𝑳𝑺𝑻𝑴𝒑𝒓𝒐结合 在《深度学习赋能交易行为因子》中，我们构建了因子𝐿𝑆𝑇𝑀𝑝𝑟𝑜 。相较于𝑳𝑺𝑻𝑴𝒅𝒆𝒂𝒑_𝒕𝒆𝒄𝒉_𝒈𝒓𝒂𝒑𝒉只使用到了基础量价指标而言，𝑳𝑺𝑻𝑴𝒑𝒓𝒐指标元素更加丰富一些，二者因子相关性仅达到 38.61%。进一步地，我们将二者等权合成，因子绩效更好，从 2019 年至今 RankIC 为 11.93%，10 分组多空对冲的年化收益为39.85%。值得一提的是，相较于𝐿𝑆𝑇𝑀𝑑𝑒𝑎𝑝_𝑡𝑒𝑐ℎ_𝑔𝑟𝑎𝑝ℎ，合成后因子多头分组更加明显，多头超额年化收益从 9.40%提升至 11.34%，收益波动比从 2.01 提升至 2.80。  风险提示：本报告模型基于历史数据测算，市场未来可能发生重大改变。 相关研究报告 金融工程研究团队 开源证券 证券研究报告 金融工程专题 金融工程研究 魏建榕（首席分析师） 证书编号：S0790519120001 张 翔（分析师） 证书编号：S0790520110001 傅开波（分析师） 证书编号：S0790520090003 高 鹏（分析师） 证书编号：S0790520090002 苏俊豪（分析师） 证书编号：S0790522020001 胡亮勇（分析师） 证书编号：S0790522030001 王志豪（分析师） 证书编号：S0790522070003 盛少成（分析师） 证书编号：S0790523060003 苏 良（分析师） 证书编号：S0790523060004 何申昊（分析师） 证书编号：S0790524070009 蒋 韬（研究员） 证书编号：S0790123070037 金融工程专题 请务必参阅正文后面的信息披露和法律声明 2 / 13 目 录 1、 基于技术指标的因子挖掘 ........................................................................................................................................................ 3 1.1、 直接进行 LSTM 挖掘：𝑳𝑺𝑻𝑴𝒕𝒆𝒄𝒉 .............................................................................................................................. 3 1.2、 遗传算法挖掘：有效技术因子 ..................................................................................................................................... 4 1.3、 结合遗传算法有效因子，使用 LSTM 挖掘：𝑳𝑺𝑻𝑴𝒅𝒆𝒂𝒑_𝒕𝒆𝒄𝒉 ............................................................................... 5 2、 基于图形识别的因子挖掘 ........................................................................................................................................................ 6 2.1、 图形的识别：人为状态划分 ..................................................................................................