基于深度模型和谱方法的多因子选股策略研究
量化投资有着纪律性、系统性和分散化投资等诸多优点,因此其越来越受到学术界和投资界的关注。近些年随着人工智能和深度学习技术的发展,学者与投资实践者把更多的机器学习算法应用到投资领域的各个方面并取得了不错的投资收益。与成熟的海外市场相比,量化投资在国内市场具有更广阔的发展空间和研究价值,本文基于国内市场上对数据挖掘和深度学习在量化选股和统计套利中的应用进行了研究,提出了基于深度模型和谱方法的组合选股模型。文章的主要工作分为如下三个部分:1.将深度学习算法应用到量化选股的问题中。本文用IRGAN(Informa
董坚（2019）主要研究内容是基于机器学习和人工智能算法的量化选股模型和统计套利相似股模型，以及将上述两者结合的组合选股模型，给研究市场信息因素提供了一种思路。研究发现信息检索领域中的深度学习算法IRGAN对于收益率顶端股票的选择有较好的效果，并且嵌套卷积网络结构能够提升模型的选股精度；在中低频时间尺度上，基于动态时间规整距离的谱聚类模型挖掘出的相似股集合的精度高于其他对比算法。
本文转自董坚，文章仅代表作者观点，不代表「高礼智库」立场。相关版权归原作者所有，「高礼智库」仅提供免费交流与学习，相关内容与材料请勿用于商业。如果牵涉到您的版权问题，请联系我们将及时删除处理。
相关
评论
所有评论(0条)
