基于分钟数据的GRU模型在选股策略中的应用初探——德邦金工机器学习专题之六

金融工程专题 证券分析师 ——德邦金工机器学习专题之六 肖承志资格编号：S0120521080003邮箱：xiaocz＠tebon.com.cn GRU是RNN（循环神经网络）的一种改良，相比传统的RNN以及LSTM有其独特的优点。传统的RNN在处理长序列时存在“长期依赖”问题，即梯度消失或梯度爆炸，导致训练困难。LSTM模型通过其门控单元解决了RNN的梯度问题，GRU简化了LSTM，在训练时更加高效，并且在许多任务上都取得了与LSTM相当或更好的性能。 研究助理 相关研究 1.《基于模型池的机器学习选股——德邦金工机器学习专题之五》2022.05.24 GRU对时间序列信息的挖掘能力很强，被广泛运用于多个领域。GRU作为一种循环神经网络架构，特别适用于处理序列数据中的长期依赖关系。目前主要的应用场景涉及自然语言处理（NLP）、语音识别、时间序列预测、推荐系统和音乐生产等方面。 2.《动态因子筛选——德邦金工机器学习专题之四》2022.03.09 3.《基于财务与风格因子的机器学习选股——德邦金工机器学习专题之三》2022.01.25 GRU用于A股信息挖掘能力较强，能直接从基础分钟行情数据挖掘到对未来收益有预测能力的信息。本文直接采用标准化后的一日分钟bar行情数据输入GRU模型，对股票未来一日的open to open收益进行预测。模型得到的因子对于未来一日opento open收益率的日平均RankIC为7.5%，对未来收益有较强的预测能力。分十组来看其各组平均收益率呈现较好的单调线性递增特征，空头组未来一日的平均收益率为-0.34%，多头组未来一日收益率为0.24%。因子从风格上看主要偏向于低波动率、低流动性风格。 4.《机器学习残差因子表现归因——德邦金工机器学习专题之二》2021.11.24 5.《利用机器学习捕捉因子的非线性效应——德邦金工机器学习专题之一》2021.10.18 GRU因子多头组合表现优秀，但其收益对换仓频率以及交易滑点较为敏感。在组合构建时，交易方面对未来收益会有较大影响，使用开盘价交易的情况下超额年化收益率为22.45%（日频），16.95%（周频），11.79%（月频），使用全天VWAP交易的情况下超额年化收益率为12.91%（日频），9.81%（周频），6.92%（月频）。在交易速率层面策略产生年化约4.87%-9.54%的滑点影响，换仓频率层面存在约6%-10%左右的年化收益率差异。 GRU因子构建指数增强组合表现优秀。GRU因子在构建指数增强组合时，过低的换手频率会导致收益方面有一定损失，但整体表现仍然不错。面对基准选股池整体市值偏小时，收益会有所增强，但是受今年2月份的风险事件影响也较大。具体来看，沪深300增强组合年化收益率增强7.26%，整体信息比率为1.93，Calmar比率为1.68；中证500增强组合年化收益率增强7.58%，整体信息比率为1.75，Calmar比率为1.81；中证1000增强组合年化收益率增强8.86%，整体信息比率为1.83，Calmar比率为1.35。跟踪误差均在5%以内。 风险提示：人工智能模型挖掘市场规律是对历史数据的总结，市场规律在未来可能发生变化。深度学习模型可能存在过拟合风险。深度学习模型存在随机数影响，训练结果可能无法完全复刻。本文测试均在理想状态下使用开盘价或者VWAP价格进行成交计算，实际交易中可能存在其他影响因素导致成交价格出现偏差。 内容目录 1. GRU模型简介.................................................................................................................41.1.循环神经网络的发展............................................................................................41.2. GRU网络的介绍...................................................................................................41.3. GRU网络的应用场景............................................................................................52. GRU模型应用于A股市场选股.......................................................................................62.1. GRU用于预测股票收益的优势.............................................................................62.2.模型搭建...............................................................................................................63. GRU因子表现.................................................................................................................83.1. GRU因子IC.........................................................................................................83.2. GRU因子的风格偏好............................................................................................93.3. GRU因子的行业偏好............................................................................................93.4. GRU因子多头选股能力......................................................................................113.5.组合特征.............................................................................................................134. GRU指数增强效果.......................................................................................................144.1.沪深300指数增强.............................................................................................144.2.中证500指数增强.............................................................................................154.3.中证1000指数增强...........................................................................................165.总结..............................................................................................................................176.参考文献.......................................................................................................................18信息披露............................................................................................................................19 图表目录 图1：GRU网络结构图........................................................................................................4图2：GRU模型框架图........................................................................................................6图3：GRU模型训练示意图.................................................................................................7图4：GRU因子IC..............................................................................................................8图5：GRU因子累积IC.......................................................................................................8图6：GRU因子分组收益....................................................................................................8图7：GRU因子与风格因子相关性......................................................................................9图8：GRU因子与风格因子相关性均值..............................................................................9图9：GRU因子行业平均得分...........................................................................................10图10：开盘价日频换仓组合净值.......................................................................................11图11：VWAP日频换仓组合净值......................................................................................11图12：开盘价周频换仓组合净值.................