基于深度学习的配对交易策略

随着我国金融创新的推进,量化交易逐渐在我国证券市场中发芽成长。量化交易领域中传统的配对交易策略,都假设股价之间满足某种特定的关系,因而存在着局限性。运用深度学习技术,可以避免在配对交易中引入前提额外假设,而是将挖掘规律的任务交给计算机来完成。使用栈式自动编码器代替传统方法,挖掘股票价格相关性中蕴含的套利机会,能形成一套新的、有着独立逻辑的交易策略。实验表明,该策略在我国A股市场表现出稳定的盈利能力,在根据近两年A股市场数据的模拟测试中,日胜率为62.9%,信息比率为0.378。

基于Fama-French五因子定价模型的投资策略

本文基于广受认可且在中国股票市场被证明为有效的Fama-French五因子定价模型,构建了一种新型的股票投资策略,实证研究表面,该策略在2013年1月1日至2020年12月31日的中国股票市场中,能够为投资者赚取13.03%的年化收益率,104.24%的累计收益率,其收益的标准差为 9.37%,在次期间发生的最大回撤为 17.20%,投资策略的夏普比率达到1.39。这不仅证明了该投资策略在中国股票市场的有效性,也表明了投资者可以通过构建剔除常见风险因子的投资策略,从中国股票市场获取独立于常见风险因子的稳定的投资收益。除此之外,本文在回测策略时发现,当策略融入投资水平、盈利水平、账面市值比这三大风险因子后的效果更加显著,这代表以上风险因子的开发潜力更高。