深度学习研究报告之六深度学习在指数增强策略上的应用20190403广发证券30页

识别风险，发现价值请务必阅读末页的免责声明1/30[Table_Page]金融工程|专题报告2019年4月3日证券研究报告[Table_Title]深度学习在指数增强策略上的应用深度学习研究报告之六[Table_Summary]报告摘要：研究内容本报告研究通过深度学习方法进行指数增强策略的构建。基于深度学习股价预测因子，通过组合优化技术控制策略的跟踪误差、行业偏离和风格偏离，可以获得稳定的超额收益。指数增强策略表现在中证1000指数、中证500指数和沪深300指数上的深度学习增强策略都能取得明显的正收益。其中，全市场选股的中证1000指数增强策略获得了29.07%的年化超额收益，中证500指数增强策略获得了14.67%的年化超额收益，沪深300指数增强策略获得了13.11%的年化超额收益。不同的指数增强策略的年化跟踪误差都符合预期。（注：本报告中超额收益是指相对基准指数的超额收益，例如中证500指数增强策略的基准指数是中证500指数。）如何调节指数增强策略的换手率在组合优化问题中，通过在优化目标中引入“惩罚项”可以显著降低策略的换手率，减小组合的跟踪误差，提高组合的信息比。也可以直接对换手率进行约束，进行更精细的换手率控制。本报告实证了在年换手率6倍的约束下，指数增强策略也获得了不错的表现。如果组合优化中不考虑交易成本，则会导致策略的换手率过高，带来的交易成本损耗会降低组合的超额收益，同时增大组合的跟踪误差。如果组合优化中给交易成本过高的“惩罚”会使得组合的换手率过低，可能会降低组合的超额收益来源，也会导致策略的信息比下降。深度学习策略业绩归因分析由于机器学习因子构建过程的“黑箱”属性，模型选股结果的可解释性弱。通过业绩归因了解模型的收益来源，有助于监测机器学习因子表现是否稳定和是否失效。从业绩分析结果来看，对于本报告中的指数增强策略，行业因子的收益贡献较低，风格因子中，流动性因子和反转因子的收益贡献较高，其他风格因子的收益贡献较低，此外，大部分超额收益是由不能被行业因子和风格因子所解释的Alpha收益贡献的，说明深度学习模型能够从因子的非线性特征中获取额外信息。风险提示策略模型并非百分百有效，市场结构及交易行为的改变以及类似交易参与者的增多有可能使得策略失效。图1中证1000指数增强策略表现数据来源：Wind，广发证券发展研究中心图2沪深300指数增强策略表现数据来源：Wind，广发证券发展研究中心[Table_Author]分析师：文巧钧SAC执证号：[e-mail]分析师：安宁宁SAC执证号：[e-mail]分析师：罗军SAC执证号：[e-mail]请注意，罗军并非香港证券及期货事务监察委员会的注册持牌人，不可在香港从事受监管活动。[Table_DocReport]相关研究：深度学习研究报告之五：风险中性的深度学习选股策略2018-07-14[Table_Contacts]识别风险，发现价值请务必阅读末页的免责声明2/30[Table_PageText]金融工程|专题报告目录索引一、指数增强产品蓬勃发展................................................................................................4二、深度学习选股模型.......................................................................................................5三、组合优化技术...............................................................................................................63.1结构化风险模型....................................................................................................63.2组合优化模型.......................................................................................................7四、组合业绩归因...............................................................................................................84.1单期组合业绩归因................................................................................................84.2多期组合业绩归因................................................................................................8五、实证分析......................................................................................................................95.1回测参数设置.......................................................................................................95.2指数增强策略表现..............................................................................................105.3指数增强策略的换手率优化................................................................................175.4业绩归因分析.....................................................................................................20六、总结与展望................................................................................................................28识别风险，发现价值请务必阅读末页的免责声明3/30[Table_PageText]金融工程|专题报告图表索引图1：深度学习股票增强策略流程.........................................................................4图2：深度学习因子IC（中证1000指数成份股）..............................................11图3：中证1000指数增强策略表现....................................................................11图4：深度学习因子IC（中证500指数成份股）................................................13图5：中证500指数增强策略表现......................................................................13图6：深度学习因子IC（沪深300指数成份股）................................................15图7：沪深300指数增强策略表现......................................................................15图8：指数增强策略的换手率比较.......................................................................18图9：指数增强策略的跟踪误差比较...................................................................19图10：指数增强策略信息比比较.........................................................................19图11：风格因子收益率（滚动12个月）............................................................21图12：中证1000指数增强风格因子和Alpha收益贡献.....................................23图13：中证1000指数增强Alpha收益贡献.......................................................23图14：中证500指数增强Alpha收益贡献.........................................................25图15：中证500指数增强风格因子和Alpha收益贡献.......................................25图16：沪深300指数增强Alpha收益贡献.........................................................27图17：沪深300指数增强风格因子和Alpha收益贡献.......................................27表1：深度学习模型网络结构................................................................................5表2：多期组合业绩归因示意图.............................................................................9表3：中证1000指数增强表现（成份股内选股）...............................................12表4：中证1000指数增强表现（全市场选股）..................................................12表5：中证500指数增强表现（成份股内选股）.................................................14表6：中证500指数增强表现（全市场选股）....................................................14表7：沪深300指数增强表现（成份股内选股）.................................................16表8：沪深300指数增强表现（全市场选股）.........................