中信期货-期货多因子专题报告（六）：基于深度学习的期货组合优化-221229

《中信期货-期货多因子专题报告（六）：基于深度学习的期货组合优化-221229（14页）.pdf》由会员分享，可在线阅读，更多相关《中信期货-期货多因子专题报告（六）：基于深度学习的期货组合优化-221229（14页）.pdf（14页精品完整版）》请在悟空智库报告文库上搜索。

　　多因子策略是量化投研领域的经典策略之一，其在多类别金融市场均受到长时间的研究与应用；而无论何种市场，标的资产池的权重配置在多因子模型中扮演了“决定策略收益稳健性”的重要角色。因此，组合权重优化是多因子模型的一个重要课题。
　　聚焦到期货市场，经典的多因子研究包括alpha因子的挖掘和期货组合权重优化计算。市面常见的逻辑认为：任意期货都同时暴露于多种不同的风险因素下，这些风险因素的共同作用形成了期货合约价格的波动；通过对不同的风险因素以alpha因子的形式来有效刻画，我们可以实现对期货收益率的分解，从而研究期货合约价格波动的原因；此外，最优的投资组合则应当是经过“剔除其余不稳定的因素干扰、充分暴露于alpha因子、并一般通过凸优化方法将对收益率的预测转化为组合权重”等这样若干步处理后的结果；这些步骤中也涉及到一些针对于组合权重的约束条件的设置。而本报告区别于上述经典逻辑，尝试了基于深度学习的组合优化方法。
　　本文以期货市场及其量价多因子为基础，将以“组合优化”为目标的凸优化与神经网络结合起来，构建了完整的期货组合量化投资框架。这里的“输入”是期货合约的基础行情数据，通过“构造若干量价因子、神经网络进行量价多因子的提取与合成、可分凸优化层传播梯度来优化期货组合权重、定义期货组合的收益率为损失度（目标）函数、以该损失度来优化整个神经网络等”来生成日频的期货组合权重，此即为“输出”。
　　在合理的参数配置中，模型均能获得较好的收益表现。如每日调仓时，年化收益率约为18%、年化波动率约为5%、夏普率3.49。
　　风险提示:本报告中所涉及的资产配比和模型应用仅为回溯举例，并不构成推荐建议。