扫一扫,慧博手机终端下载!
位置:首页 >> 金融工程

研究报告:国信证券-金融工程专题研究:递归神经网络RNN,长短期记忆细胞(LSTM)的多因子预测-170524

股票名称: 股票代码: 分享时间:2017-05-24 14:28:23
研报栏目: 金融工程 研报类型: (PDF) 研报作者: 黄志文
研报出处: 国信证券 研报页数: 22 页 推荐评级:
研报大小: 1,246 KB 分享者: dor****en 我要报错
如需数据加工服务,数据接口服务,请联系客服电话: 400-806-1866

【研究报告内容摘要】

        递归神经网络RNN
        RNN不同于传统神经网络的感知机的最大特征就是跟时间挂上钩,即包含了一个循环的网络,就是下一时间的结果不仅受下一时间的输入的影响,也受上一时间输出的影响,进一步地说就是信息具有持久的影响力。http://www.hibor.com.cn【慧博投研资讯】人们在看到新的信息的时候产生的看法或者判断,不仅仅是对当前信息的反应,先前的经验、思想的也是参与进去这次信息的推断的。http://www.hibor.com.cn(慧博投研资讯)
        RNN之长短期记忆细胞LSTM
        LSTM是一种经过精心巧妙设计的RNN网络,尽管LSTM和原始RNN总的来看都会三大层,即输入层、隐含层、输出层。但是LSTM和原始RNN在隐含层设计上有较大的差异,主要是LSTM是在隐含层具备特殊的cell结构。
        多因子建模
        应用于RNN网络结构中时,与传统的多因子模型有一定的区别:
        T+1期的收益率仍然是训练的标签(label),因子对应的是样本的特征(feature),个股对应的是一个样本,但是,时间维度,在RNN中,是一个循环的过程,将过去T-n期的因子数据都要纳入T+1期收益率的预测之中。
        训练结果
        在严格区分了训练集、测试集、样本外数据集之后,我们通过训练能够得到较高准确度的收敛结果,并且在样本外数据回测中,得到显著的超额收益。交叉检验的准确度接近90%,样本外多空收益最近12个月的胜率则超过90%。
        

推荐给朋友:
我要上传
用户已上传 11,410,411 份投研文档
云文档管理
设为首页 加入收藏 联系我们 反馈建议 招贤纳士 合作加盟 免责声明
客服电话:400-806-1866     客服QQ:1223022    客服Email:hbzixun@126.com
Copyright@2002-2024 Microbell.com 备案序号:冀ICP备13013820号-2   冀公网安备:13060202000665
本网站用于投资学习与研究用途,如果您的文章和报告不愿意在我们平台展示,请联系我们,谢谢!

不良信息举报电话:400-806-1866 举报邮箱:hbzixun@126.com