基于神经网络模型的利率择时 —— 宏观固收量化研究系列之(九)
(以下内容从东方证券《基于神经网络模型的利率择时 —— 宏观固收量化研究系列之(九)》研报附件原文摘录)
报告简介 由于机器学习模型具有良好的拟合和特征提取能力,本报告引入神经网络的相关模型,基于日频的量价因子(特征)进行训练,从而对未来N日的利率涨跌和国债期货涨跌进行预测,以形成日频的多空信号。 本文参考Bao et al.(2017)的思路,设计了一个两阶段预测模型,第一阶段是使用稀疏编码器(Sparse Encoder)进行多维时间序列的信息提取,即通常所说的降维步骤,第二阶段是对降维后的时间序列使用GRU模型进行监督训练。损失函数由2部分组成,拟合的均方误差损失和稀疏自编码器提取特征的稀疏化约束。 本文的因子库基于成交量、价格动量、价格波动、期限利差水平、期限利差动量、税收利差水平、税收利差动量、期现价差、资金面水平、资金面波动10个大类的日频指标产生,共计779个时序因子。 基于 SE-GRU模型,可以日频得到“未来N日的利率涨跌和国债期货涨跌”的预测值,从而形成各类标的的日频多空信号。本文选用10年期国债期货主力合约(T)、5年期国债期货主力合约(TF)、10Y国开活跃券、5Y国开活跃券作为回测标的,测试集结果显示,预测变量采用“未来3日”和“未来5日”的收益是较为合意的选择。 样本外的测试集回测结果表明,预测模型取得了不错的绝对收益和相对收益: 对于10年期国债期货,年化收益达到5.98%,收益风险比达2.36,平均交易天数为4.79天/次,其中,多头端年化3.81%,空头端年化2.26%; 对于5年期国债期货,年化收益达到3.42%,收益风险比达2,平均交易天数为5.74天/次,其中,多头端年化2.42%,空头端年化1.02%; 对于10年国开活跃券,年化赚得收益率达到62.03bps,收益风险比达1.5,平均交易天数为8.85天/次;信号用于久期轮动策略年化5.5%,最大回撤1.47%; 对于5年国开活跃券,年化赚得收益率达到63.46bps,收益风险比达1.28,平均交易天数为9.07天/次;信号用于久期轮动策略年化4.32%,最大回撤0.87%; 最后,本文还尝试使用积分梯度法分析预测模型的特征重要性,即各个因子对模型预测产生的影响的大小和排序,可供投资者参考。结果显示,T合约成交量、30Y/10Y国债换手率、利率的动量、资金面水平、现券波动、税收利差等因子贡献较大。 预测模型示意图 10年期国债期货主力合约(T)择时表现 5年期国债期货主力合约(TF)择时表现 国开信号用于久期轮动表现 因子重要性(梯度积分)排序 更多细节请参见: 宏观固收量化研究系列 之 九 《 基于神经网络模型的利率择时 》 风险提示: 极端市场环境可能对模型效果造成剧烈冲击,导致收益亏损。 量化模型基于历史数据分析得到,未来存在失效风险,建议投资者紧密跟踪模型表现。 说明: 本订阅号资料基于东方证券股份有限公司已发布证券研究报告制作。 证券研究报告:《基于神经网络模型的利率择时 —— 宏观固收量化研究系列之(九)》 发布日期:2023年3月12日 分析师:邱蕊 执业证书编号:S0860519020001 联系人:宋之辰 陶文启 重要提示(向上滑动浏览): 本订阅号为东方证券股份有限公司(以下称“东方证券”)研究所金融工程研究团队运营的唯一订阅号,并非东方证券研究报告的发布平台, 本订阅号仅转发东方证券已发布研究报告的部分内容或对报告进行的跟踪与解读。通过本订阅号发布的资料仅供东方证券研究所指定客户参考。因本订阅号无法设置访问限制,若您并非东方证券研究所指定客户,为控制投资风险,请您请取消关注,请勿订阅、接收或使用本订阅号中的任何信息。东方证券不因任何单纯订阅本公众号的行为而将订阅人视为客户。 免责声明(向上滑动浏览): 本订阅号不是东方证券研究报告的发布平台,本订阅号仅转发东方证券已发布研究报告的部分内容或对报告进行的跟踪与解读, 订阅者若使用本订阅号所载资料,有可能会因缺乏对完整报告的了解或缺乏相关的解读而对资料中的内容产生理解上的歧义。提请订阅者参阅东方证券已发布的完整证券研究报告,仔细阅读其所附风险提示、各项声明及信息披露,关注相关的分析、预测能够成立的关键假设条件,关注投资评级和证券目标价格的预测时间周期,并准确理解投资评级的含义。订阅者如使用本资料,请与您的投资代表联系。 在任何情况下,本订阅号中的信息或所表述的意见并不构成对任何人的投资建议,也无法考虑到客户个体特殊的投资目标、财务状况或需求,客户应考虑本订阅号中的任何意见或建议是否符合其特定状况,谨慎合理使用。本订阅号所载的资料、工具、意见及推测只提供给客户作参考之用,并非作为或被视为出售或购买证券或其他投资标的的邀请或向人作出邀请。 在任何情况下,东方证券对本订阅号所载资料的准确性、可靠性、时效性及完整性不作任何明示或暗示的保证。东方证券及关联人员不对任何人因使用本订阅号中的任何内容所引致的任何损失负任何责任,投资者应自主作出投资决策并自行承担投资风险。 东方证券不保证本订阅号中的观点或陈述不会发生任何变更,在不同时期,东方证券可发出与本报告所载资料、意见及推测不一致的证券研究报告。 本订阅号发布的内容仅为东方证券所有。未经东方证券事先书面协议授权,任何机构或个人不得以任何形式复制、转发或引用本订阅号的全部或部分内容,亦不得从未经东方证券书面授权的任何机构、个人或其运营的媒体平台接收、复制、转发或引用本订阅号的全部或部分内容。东方证券股份有限公司有权就任何不当行为要求行为人赔偿全部损失。提示客户及公众投资者慎重使用公众媒体刊载的证券研究报告。除非法律另有规定,任何情况下,对于行为人擅自使用该内容所包含的信息所引起的损失、损害等后果,东方证券概不承担任何责任。 请勿订阅、接收或使用本订阅号中的任何信息。东方证券不因任何单纯订阅本公众号的行为而将订阅人视为客户。 东证数量金融创新实验室 邱蕊 *5091 刘静涵 *3211 宋之辰 *2470 薛耕 *6123 栾张心怿 *6099 肖丽华 *6050 陶文启 * 更多相关信息请关注微信公众号: 期待与您的交流!
报告简介 由于机器学习模型具有良好的拟合和特征提取能力,本报告引入神经网络的相关模型,基于日频的量价因子(特征)进行训练,从而对未来N日的利率涨跌和国债期货涨跌进行预测,以形成日频的多空信号。 本文参考Bao et al.(2017)的思路,设计了一个两阶段预测模型,第一阶段是使用稀疏编码器(Sparse Encoder)进行多维时间序列的信息提取,即通常所说的降维步骤,第二阶段是对降维后的时间序列使用GRU模型进行监督训练。损失函数由2部分组成,拟合的均方误差损失和稀疏自编码器提取特征的稀疏化约束。 本文的因子库基于成交量、价格动量、价格波动、期限利差水平、期限利差动量、税收利差水平、税收利差动量、期现价差、资金面水平、资金面波动10个大类的日频指标产生,共计779个时序因子。 基于 SE-GRU模型,可以日频得到“未来N日的利率涨跌和国债期货涨跌”的预测值,从而形成各类标的的日频多空信号。本文选用10年期国债期货主力合约(T)、5年期国债期货主力合约(TF)、10Y国开活跃券、5Y国开活跃券作为回测标的,测试集结果显示,预测变量采用“未来3日”和“未来5日”的收益是较为合意的选择。 样本外的测试集回测结果表明,预测模型取得了不错的绝对收益和相对收益: 对于10年期国债期货,年化收益达到5.98%,收益风险比达2.36,平均交易天数为4.79天/次,其中,多头端年化3.81%,空头端年化2.26%; 对于5年期国债期货,年化收益达到3.42%,收益风险比达2,平均交易天数为5.74天/次,其中,多头端年化2.42%,空头端年化1.02%; 对于10年国开活跃券,年化赚得收益率达到62.03bps,收益风险比达1.5,平均交易天数为8.85天/次;信号用于久期轮动策略年化5.5%,最大回撤1.47%; 对于5年国开活跃券,年化赚得收益率达到63.46bps,收益风险比达1.28,平均交易天数为9.07天/次;信号用于久期轮动策略年化4.32%,最大回撤0.87%; 最后,本文还尝试使用积分梯度法分析预测模型的特征重要性,即各个因子对模型预测产生的影响的大小和排序,可供投资者参考。结果显示,T合约成交量、30Y/10Y国债换手率、利率的动量、资金面水平、现券波动、税收利差等因子贡献较大。 预测模型示意图 10年期国债期货主力合约(T)择时表现 5年期国债期货主力合约(TF)择时表现 国开信号用于久期轮动表现 因子重要性(梯度积分)排序 更多细节请参见: 宏观固收量化研究系列 之 九 《 基于神经网络模型的利率择时 》 风险提示: 极端市场环境可能对模型效果造成剧烈冲击,导致收益亏损。 量化模型基于历史数据分析得到,未来存在失效风险,建议投资者紧密跟踪模型表现。 说明: 本订阅号资料基于东方证券股份有限公司已发布证券研究报告制作。 证券研究报告:《基于神经网络模型的利率择时 —— 宏观固收量化研究系列之(九)》 发布日期:2023年3月12日 分析师:邱蕊 执业证书编号:S0860519020001 联系人:宋之辰 陶文启 重要提示(向上滑动浏览): 本订阅号为东方证券股份有限公司(以下称“东方证券”)研究所金融工程研究团队运营的唯一订阅号,并非东方证券研究报告的发布平台, 本订阅号仅转发东方证券已发布研究报告的部分内容或对报告进行的跟踪与解读。通过本订阅号发布的资料仅供东方证券研究所指定客户参考。因本订阅号无法设置访问限制,若您并非东方证券研究所指定客户,为控制投资风险,请您请取消关注,请勿订阅、接收或使用本订阅号中的任何信息。东方证券不因任何单纯订阅本公众号的行为而将订阅人视为客户。 免责声明(向上滑动浏览): 本订阅号不是东方证券研究报告的发布平台,本订阅号仅转发东方证券已发布研究报告的部分内容或对报告进行的跟踪与解读, 订阅者若使用本订阅号所载资料,有可能会因缺乏对完整报告的了解或缺乏相关的解读而对资料中的内容产生理解上的歧义。提请订阅者参阅东方证券已发布的完整证券研究报告,仔细阅读其所附风险提示、各项声明及信息披露,关注相关的分析、预测能够成立的关键假设条件,关注投资评级和证券目标价格的预测时间周期,并准确理解投资评级的含义。订阅者如使用本资料,请与您的投资代表联系。 在任何情况下,本订阅号中的信息或所表述的意见并不构成对任何人的投资建议,也无法考虑到客户个体特殊的投资目标、财务状况或需求,客户应考虑本订阅号中的任何意见或建议是否符合其特定状况,谨慎合理使用。本订阅号所载的资料、工具、意见及推测只提供给客户作参考之用,并非作为或被视为出售或购买证券或其他投资标的的邀请或向人作出邀请。 在任何情况下,东方证券对本订阅号所载资料的准确性、可靠性、时效性及完整性不作任何明示或暗示的保证。东方证券及关联人员不对任何人因使用本订阅号中的任何内容所引致的任何损失负任何责任,投资者应自主作出投资决策并自行承担投资风险。 东方证券不保证本订阅号中的观点或陈述不会发生任何变更,在不同时期,东方证券可发出与本报告所载资料、意见及推测不一致的证券研究报告。 本订阅号发布的内容仅为东方证券所有。未经东方证券事先书面协议授权,任何机构或个人不得以任何形式复制、转发或引用本订阅号的全部或部分内容,亦不得从未经东方证券书面授权的任何机构、个人或其运营的媒体平台接收、复制、转发或引用本订阅号的全部或部分内容。东方证券股份有限公司有权就任何不当行为要求行为人赔偿全部损失。提示客户及公众投资者慎重使用公众媒体刊载的证券研究报告。除非法律另有规定,任何情况下,对于行为人擅自使用该内容所包含的信息所引起的损失、损害等后果,东方证券概不承担任何责任。 请勿订阅、接收或使用本订阅号中的任何信息。东方证券不因任何单纯订阅本公众号的行为而将订阅人视为客户。 东证数量金融创新实验室 邱蕊 *5091 刘静涵 *3211 宋之辰 *2470 薛耕 *6123 栾张心怿 *6099 肖丽华 *6050 陶文启 * 更多相关信息请关注微信公众号: 期待与您的交流!
大部分微信公众号研报本站已有pdf详细完整版:https://www.wkzk.com/report/(可搜索研报标题关键词或机构名称查询原报告)
郑重声明:悟空智库网发布此信息的目的在于传播更多信息,与本站立场无关,不构成任何投资建议。