谁说站在光里的才算英雄
由james_1创建，最终由james_1 被浏览 407 用户
很多人开发者都有这个发现, 就是排在第一名的股票不一定就是最好的.
下面我做了一些实验, 来看看排名和收益的关系.
(前期工作: 我之前没有尝试开发多股策略, 因为之前, 参加了BQ的活动--用DeepAlpha DNN框架来开发策略. 虽然我开发DNN效果一般般, 但是我发现了一些有意思的现象, 我原来的老策略, 居然可以跑多股. 之前训练的时候是使用3股来回测, 但是跑10股, 50股, 效果也还可以. 我猜测可能和板块因子有关. 现在市场板块轮动很快, 板块因子可以提供其他维度的信息)
本人设计策略的一些原则:
本人是2021年春节的附近开始学习BQ的训练营, 从此踏上了量化开发的道路. 我的出发点很简单, 没想过要赚钱, 我一开始只是想要研究神经网络的应用. 奈何之前实践的领域要么数据源很难获取, 有些机构或者学校当宝贝藏着掖着. 要么很难应用在现实中. 后来发现量化交易这个领域不但有大量免费的实时的数据, 还可以快速验证你的想法. 立马就入坑了.
本人初衷是验证深度网络的想法, 所以只使用深度神经网络, 能用新的技术就用最新的. 我开发的所有策略都是CNN网络. 不使用风控, 让尽量发挥出神经网络本身的能力. 使用的股票池是过滤掉了大市值的, 因为我觉得权重和小股票是两个物种.
本人不是计算机或者金融相关的专业. 学习深度学习是因为爱好, 看好这个领域的未来. 希望有朝一日可以开发出比较通用的AI. 说个人经历是想与大家一起共勉.
板块因子:
- group_mean(申万或者概念, return_0) ex. group_mean(industry_sw_level1_0, pe_ttm_0)
- group_mean(申万或者概念, turn_0)
- return_0 - group_mean(申万或者概念, return_0)
同时我也加入了全局的因子的.
- group_mean(date, return_0) 统计当天全部股票的收益, 我的股票池都是市值小于500亿的小股票. 也就是当天小股票的收益. 这个因子不可以标准化
我又尝试重新训练多股票策略. 训练时每日10股, 隔日卖出, (下面是10, 20, 50股的走势)
测试多个策略, 排名1-50的股票, 单独跑回测. 整理了夏普的走势,
以下策略训练: 2021-07-01之前, 回测: 2021-07-01到最近. 隔日全部卖出,
夏普的走势有一定的趋势性, 而不是随机分布的. 假设: 不同的pred_label区间, 对应不同的风格类型. 而收益会在某一个位置达到顶点.
前20, 前50的平均夏普差不多, 假设: 当因子和框架差不多的时候, 神经网络的学习到的信息是差不多的.
启发:
是否可以筛选出夏普比较高的位置来重构出一个新的策略
问题:
申万行业中的股票数量非常不均衡, 需要进一步处理.
tushare上也有概念板块的数据, 但是概念板块的有效性可能不会太久.
概念板块的训练时间不能太久, 因为越早之前, 这个概念的股票数量就越少.
\