华泰人工智能系列之十五：人工智能选股之卷积神经网络-20190213-华泰证券-21页_2mb

报告摘要

本报告探讨了卷积神经网络（CNN）在股票多因子选股中的应用。CNN作为一种成熟的深度学习模型，通过自动的特征提取和降维能力，为金融数据建模提供了新的思路。报告中通过构建并回测了三种模型：卷积神经网络、全连接神经网络和线性回归，以评估CNN在多因子选股中的表现。

CNN的原理与应用
- CNN模仿了视觉神经的工作原理，通过卷积和池化操作提取图像特征。
- 在多因子选股中，CNN可以将股票因子数据组织为二维“因子图片”，从而具备时间序列学习能力。
- 卷积核对因子数据进行合成，提取特征；池化层用于降维，但可能损失信息，因此报告中未使用池化层。
- 因子数据在“因子图片”中的排列顺序会影响CNN的学习效果。
模型构建与测试
- 使用全A股作为股票池，回测区间为2011-01-31至2019-01-31。
- 每个模型均进行行业和市值中性化处理，以确保结果的公平性。
- 通过单因子测试和分层测试对模型进行评估，其中CNN表现优于全连接神经网络和线性回归。
测试结果
- 在单因子测试中，CNN的RankIC均值为13.62%，因子收益率均值为1.021%，优于其他两种模型。
- 在分五层测试中，CNN的TOP组合年化收益率为20.05%，夏普比率为0.72，信息比率为4.04，优于其他模型。
- 当以中证500为基准时，CNN的年化超额收益在13.69%~16.38%之间，信息比率在2.29~2.56之间，Calmar比率在2.16~2.85之间，表现优于全连接神经网络和线性回归。
模型优化与未来研究方向
- CNN在金融数据中仍有进一步研究的空间，如数据增强、残差学习、多尺寸卷积核混合等技术。
- 在高频、海量金融数据中使用CNN是一个值得探索的方向。

数据处理方法：
- 剔除ST股、停牌股和上市3个月内的股票。
- 使用中位数去极值，填充缺失值，进行行业和市值中性化处理，最后标准化处理。
模型设置：
- CNN模型：输入为825的“因子图片”，使用10个55卷积核，无池化层，3层全连接层，使用Dropout率80%，优化器为RMSProp，学习速率为0.001。
- 全连接神经网络：输入为82*5的“因子图片”一维展开，4层全连接层，使用Dropout率80%，优化器为RMSProp，学习速率为0.001。
- 线性回归：使用82个因子进行回归预测。
回测指标：
- 单因子测试：CNN的RankIC均值为13.62%，因子收益率均值为1.021%。
- 分层测试：CNN的TOP组合年化收益率为20.05%，夏普比率为0.72，信息比率为4.04。
- 全A选股策略：以沪深300为基准时，CNN表现不如线性回归；以中证500为基准时，CNN在各项指标上均优于其他模型。