3分钟了解深度学习跟量化交易是什么关系

阅读原文：http://club.jr.jd.com/quant/topic/1130718

京东金融官方资讯QQ:3414182370 有什么想问的想说的都可以来参与！还有机会获取奖品！

深度学习是机器学习的一个新的领域，它基于多层神经网络对数据中的高级抽象进行建模，其动机在于建立、模拟人脑进行分析学习的神经网络，模仿人脑的机制来解释数据。从市场微观结构的角度来说，股票价格的形成和变化是由买卖双方的交易行为决定的，对高频市场行情数据利用深度学习方法进行挖掘可以获得对未来股票价格走势有预测能力的模式。借鉴广发证券《深度学习之股指期货日内交易策略大数据——深度学习系列之一》（下文简称为报告一）和《深度学习算法掘金ALPHA因子——大数据深度学习系列之二》（下文简称为报告二），分享一下深度学习在量化投资策略的两个方向——择时策略和Alpha策略上的应用。

在短线预测方面，西蒙斯的壁虎式投资理论告诉我们，投资时在短线内是可以进行方向性预测，捕捉到短期套利机会的。基于深度学习的交易策略就是借助于深度学习对大量的历史交易数据进行学习，建立预测模型，从而在实际交易中捕捉到短期的交易机会。一般的，预测时间间隔越短的话，机器学习模型的预测能力会越强。报告一考虑股指期货的1秒级高频数据。在预测模型输入的选择上，选择短期内的股票价格，价格的变化范围，买卖盘价格和委卖委买量等。预测模型的输出是未来短期内的涨跌方向。当深度学习预测模型训练好之后，给出两条交易准则：第一，给定阈值，只有达到或超过阈值的预测得分才会触发买卖信号；第二，交易中的开仓和平仓都由买卖信号触发。具体的交易策略如图一所示。通过股指期货高频价格预测模型的实证研究，报告一验证了深度学习这一大数据时代的机器学习利器在股票价格预测上的有效性，基于预测模型提出的股指期货交易策略也取得了良好的效果。

图1：基于深度学习的短线预测交易策略

在Alpha策略方面，选取因子时要使得所选因子在一定的操作周期内具有较大的Alpha，即超额收益。如果某因子与股票未来一段时间内的投资收益直接相关，则该因子可以作为Alpha策略的备选因子。基于深度学习的交易策略就是借助于深度学习对大量的历史交易数据进行学习，建立预测模型，从而获取Alpha因子，即深度学习模型的预测得分。报告二提出的基于深度学习的Alpha策略如图二所示。综合考虑到模型预测的准确程度和交易成本，报告二考虑的是以周为换仓周期的多因子策略，预测模型也选择以周为预测周期，即在每天收盘的时刻进行预测，每次预测的对象都是该交易日之后第5个交易日收盘时刻股价相对于当前收盘价的涨跌情况。采取滚动预测的方式来建立深度学习模型，即每年训练一次模型，用来预测此后的股票涨跌幅，如图三。根据前面的预测模型，可以获得个股在T=5个交易日之后大幅上涨预测的得分ScoreUp和大幅下跌预测的得分ScoreDown，由此可以建立起类似多因子选股模型的交易策略。实证分析中，在组合规模为100的情况下，该多因子Alpha策略累积收益率超过120%，各年度收益率都超过15%，超越了传统的Alpha因子。

图二：基于深度学习的Alpha因子策略

图三：基于深度学习的滚动预测模型

但是深度学习对于数据数量要求较大，对数据质量要求较高，并且可能存在过拟合问题，因而在策略构建时如何选取数据、调参、减小过拟合的问题是有待进一步探讨的。

阅读原文：http://club.jr.jd.com/quant/topic/1130718

关注京东量化学院！获取更多最新最全面的量化交易知识！

http://quant.jd.com/college/index?from=zhihuhuida