衍生品量化择时系列专题（九）：基于Prophet和模式识别的基本面量化模型优化

金融工程重要事项：本报告版权归上海东证期货有限公司所有。未获得东证期货书面授权，任何人不得对本报告进行任何形式的发布、复制。本报告的信息均来源于公开资料，我公司对这些信息的准确性和完整性不作任何保证，也不保证所包含的信息和建议不会发生任何变更。我们已力求报告内容的客观、公正，但文中的观点、结论和建议仅供参考，报告中的信息或意见并不构成交易建议，投资者据此做出的任何投资决策与本公司和作者无关。有关分析师承诺，见本报告最后部分。并请阅读报告最后一页的免责声明。深度报告-金融工程衍生品量化择时系列专题（九）——基于Prophet和模式识别的基本面量化模型优化[Table_Rank]报告日期：2024-3-28★研究背景：在先前的研究中，我们已经构建了相对成熟的商品基本面量化策略，并且已经在繁微平台上对该策略进行了一段时间的跟踪，在长达两年的跟踪时间内，策略表现整体运行良好，在不加杠杆情况下，年化收益率为7.32%，夏普值为1.45，最大回撤为4.08%，收益风险比1.8，胜率为58%，sortino比率为2.19。在此基础上，此报告针对原有模型进行改进以达到更好的预测效果。★模型优化：针对基础模型进行多方面的优化。首先精简因子数量，使得模型容易跟踪和复现；其次基于Prophet预测模型对商品基本面数据进行趋势数据的剥离，并尝试对价格序列本身进行自预测；最后引入模式识别机制，判断当前市场行情是否由基本面数据所控主导，若不是，则采用量价模式下的信号生成机制。★Prophet模型：Prophet是由Facebook于2017年推出的时序数据预测模型，相较于传统的时序预测模型具有如下一些优势。灵活性：无需对原始数据进行平稳性处理，同时可以对数据进行不同周期的趋势性分解；可解释性：模型通过分解出趋势、周期、事件影响这三要素，能够直观反映出各部分对于数据的影响；效率高：Prophet算法运行效率较快，相较于机器学习模型的不断训练，Prophet只要进行一次拟合即可。★模型结果：在采用模式识别机制下的Prophet趋势因子优化之后，模型对于单品种的回测表现为：年化收益31.69%，夏普值接近1.79，最大回撤控制在18.71%，胜率为60%；样本外表现为夏普值接近1.60，胜率为60%。★风险提示结论基于历史数据分析，未来市场规律的变动可能使结论失效。[Table_Analyser][Table_Analyser]谢怡伦金融工程分析师从业资格号:F03091687投资咨询号:Z0019902Tel:8621-63325888-1585Email:yilun.xie@orientfutures.com扫描二维码，微信关注“东证繁微”小程序 金融工程-深度报告2024-3-282期货研究报告目录1、前言................................................................................................................................................................................................52、基础模型.......................................................................................................................................................................................53、Prophet模型.................................................................................................................................................................................64、优化模型.......................................................................................................................................................................................85、回测框架以及参数设置...........................................................................................................................................................106、单因子检验.................................................................................................................................................................................116.1、因子概述..................................................................................................................................................................................116.2、因子表现..................................................................................................................................................................................147、多因子模型.................................................................................................................................................................................177.1、多因子模型-方案1.................................................................................................................................................................187.2、多因子模型-方案2.................................................................................................................................................................207.3、样本外验证..............................................................................................................................................................................218、基于Prophet的基本面因子预测...........................................................................................................................................228.1、基于基本面数据趋势进行预测...........................................................................................................................................228.2、基于收益率序列进行Prophet自预测...............................................................................................................................248.3、基于价格序列进行Prophet自预测....................................................................................................................................259、模式识别.....................................................................................................................................................................................269.1、动量趋势信号和Prophet趋势信号的对比.......................................................................................................................269.2、模式识别下的趋势量价信号生成.......................................................................................................................................279.3、模式识别下的Prophet趋势因子优化...............................................................................................................................2810、模型应用与展望......................................................................................................................................................................2910.1、模型的应用........................................................................................................................................................................