招商期貨 |  招商致遠資本 |  招商投資 |  招商證券香港 |  English 官方微博 軟件下載 登錄web交易 專家在線 財管計劃 理財超市 網上招聘 營業網點實時行情

因子模型系列之十三—利用LSTM算法估計基金因子暴露度

作者: 葉濤,崔浩瀚
時間: 2019年06月21日
重要性: 深度報告
行業評級:
公司評級:
相關股票代碼:
閱讀權限:   該文章鉆石卡客戶可閱讀全文
摘要: 報告名稱:因子模型系列之十三—利用LSTM算法估計基金因子暴露度
研究員:葉濤,崔浩瀚
報告類型:金融工程*專題報告
報告日期:20190621

行業/子行業:
公司名稱及代碼:
投資建議:

【內容摘要】

對于基金在各因子上的暴露度遷移的研究,有利于我們對目標基金進行研究。不管是對基金進行因子業績歸因還是波動率拆解,都需要我們對基金在各因子暴露度有所了解。
證監會要求基金公司發布的定期報告的時間與報告期期末截點存在較長的時滯,而且定期報告存在公布頻率低、重倉股代表性較弱的問題。因而使用定期報告中的持倉明細來計算基金因子暴露的方法存在一些局限性,
我們嘗試使用LSTM算法,根據基金的凈值數據和因子的收益數據來反推基金在某個因子上的暴露。由于LSTM是從循環神經網絡(RNN)算法發展而來的,在時間序列的處理上存在優勢,同時,又克服了傳統RNN難以訓練的難題,因而成為我們反算基金因子暴露的首選算法。
我們根據直觀邏輯選擇了相關系數、回歸系數等特征變量,搭建神經網絡模型。根據訓練結果對幾個必要的超參數進行調整。在測試集上進行最后評估。
以規模類因子為例,在測試集上的MAE為0.109。預測結果在絕對值對應和暴露度變化的敏感度上,較之線性回歸都有較大的改善。
最后我們討論了之前使用過的“模擬基金法”,該方法效仿人工智能領域使用人為產生的樣本彌補樣本量過少缺陷的做法。我們讓程序模擬基金經理的調倉行為,來產生眾多“假基金”擴充訓練集。但是在此方法在測試集(真實基金集合)中進行評估時,泛化能力并不理想。我們對此進行了一些思考。

【摘要結束】
全文: 招商證券_金融工程_因子模型系列之十三利用LSTM算法估計基金因子暴露度_葉濤,崔浩瀚_20190621.pdf
如果您不能打開pdf格式的文件,請您先下載PDF閱讀器
  - 鉆石卡用戶可閱讀全文    - 鉆石卡、金卡用戶可閱讀全文    - 鉆石卡、金卡、銀卡用戶可閱讀全文 
湖南快乐十分走势结果