量化投資策略：Attention雙向循環(huán)LSTM算法選股

注意力模型最近幾年在深度學(xué)習(xí)各個(gè)領(lǐng)域被廣泛使用，無論是圖像處理、語音識(shí)別還是自然語言處理的各種不同類型的任務(wù)中，都很容易遇到注意力模型的身影。視覺注意力機(jī)制是人類視覺所特有的大腦信號(hào)處理機(jī)制。

人類視覺通過快速掃描全局圖像，獲得需要重點(diǎn)關(guān)注的目標(biāo)區(qū)域，也就是一般所說的注意力焦點(diǎn)，而后對(duì)這一區(qū)域投入更多注意力資源，以獲取更多所需要關(guān)注目標(biāo)的細(xì)節(jié)信息，而抑制其他無用信息。這是人類利用有限的注意力資源從大量信息中快速篩選出高價(jià)值信息的手段，是人類在長(zhǎng)期進(jìn)化中形成的一種生存機(jī)制，人類視覺注意力機(jī)制極大地提高了視覺信息處理的效率與準(zhǔn)確性。

雙向 LSTM。底部的網(wǎng)絡(luò)接收原始順序的序列，而頂部的網(wǎng)絡(luò)按相反順序接收相同的輸入。這兩個(gè)網(wǎng)絡(luò)不一定完全相同。重要的是，它們的輸出被合并為最終的預(yù)測(cè)。

按照《量化投資策略：多因子到人工智能》課程源碼資料中的步驟，搭建深度學(xué)習(xí)模型，選擇ALSTM雙向循環(huán)算法，構(gòu)建包括特征和標(biāo)簽提取、特征預(yù)處理、樣本內(nèi)訓(xùn)練、交叉驗(yàn)證和樣本外測(cè)試等步驟。最終在每個(gè)月底可以產(chǎn)生對(duì)全部個(gè)股下期上漲概率的預(yù)測(cè)值，然后根據(jù)正確率、AUC 等指標(biāo)以及策略回測(cè)結(jié)果對(duì)模型進(jìn)行評(píng)價(jià)。我們的模型設(shè)置為月頻換倉，為了讓模型及時(shí)學(xué)習(xí)到市場(chǎng)特征的變化并兼顧計(jì)算效率，我們采用了滾動(dòng)回測(cè)方法，即從 2019年1月1開始，每月底重新構(gòu)建一次模型，在下一月進(jìn)行測(cè)試。我們還根據(jù)模型的預(yù)測(cè)結(jié)果構(gòu)建了滬深300成份內(nèi)選股和中證500成份內(nèi)選股策略，通過年化收益率、夏普比率、最大回撤等指標(biāo)綜合評(píng)價(jià)策略效果。

截至2022年4月1，中證500指數(shù)增強(qiáng)收益124%，同期指數(shù)50%，超額74%，夏普比率1.13，最大回撤25%。

截至2022年4月1，滬深00指數(shù)增強(qiáng)收益106%，同期指數(shù)40%，超額66%，夏普比率1.07，最大回撤28%。

收斂速度高于LSTM，但策略效果不如它。

關(guān)鍵詞： 量化投資策略Attention雙向循環(huán)LSTM算法選股 量化投資