衍生品量化择时系列专题（五）——基于机器学习的螺纹...

xyl0710 · 发表于 2024-6-5 10:48:58

★基本面数据
整理：
基于螺纹钢上下游产业链关系，共选取 4 大类，共 121 个基
本面数据，包括供给类，需求类，库存类以及宏观类。对原
始数据进行去极值，标准化，差分，数据可得性调整，频率
调整等处理，作为模型的输入因子。
★降维与模型选择：
PCA 降维：对于数据进行主成分降维，以可解释性方差为依
据截取 95%的信息度，将 121 个因子降维至 30 个因子；
OLS 多元回归：利用普通最小二乘法进行多元回归，最优拟
合曲线应该使各点到直线的距离的平方和（残差平方和
RSS）最小；
XGBoost 模型：基于传统 GBDT 模型，将目标函数泰勒展
开到了二阶，并且加入了叶子权重的 L2 正则化项；
RNN（LSTM）模型：具有记忆功能的循环神经网络，当前
隐藏层的状态受到之前隐藏层状态的影响。
★模型结果：
综合模型回测结果达到 2017 年至今累计收益率 233.53%，年
化收益率 29.74%，年化波动率 13.16%，夏普值 2.08，最大回
撤-10.07%，胜率 56.05%，平均持仓时间 14.22 天。

[分析师：金融量化策略] 衍生品量化择时系列专题（五）——基于机器学习的螺纹...

浏览过的版块

分享到：

个人中心