生成数据在多因子模型的Alpha策略和Beta策略中的研究

作     者：栗娜 

作者单位：首都经济贸易大学 

学位级别：硕士

导师姓名：林鹏

授予年度：2021年

学科分类：02[经济学] 0202[经济学-应用经济学] 020204[经济学-金融学（含∶保险学）] 07[理学] 070104[理学-应用数学] 0701[理学-数学] 

主      题：生成对抗网络 多因子模型 支持向量机 Alpha策略 Beta策略 

摘      要：量化投资作为一种主动型的投资方法,是指通过对数学模型和计算机技术的使用,将投资理念和投资策略实现的过程。其中,多因子模型是目前被广泛应用的量化模型之一。多因子模型的Alpha策略和Beta策略,也即选股和择时策略是两类基于不同出发点,来获取超额收益的投资策略。但在股票市场中,由于股票退市及金融数据的马尔科夫特性,导致实际应用中,股票的数据量较少,因此,为了更好地应用多因子模型,本文通过训练生成对抗网络模型(GAN)学习原始数据的分布规律,生成新的样本数据,对原始数据进行扩充,并将其应用于构建的多因子Alpha策略及Beta策略中。首先,本文使用2013年1月1日到2018年1月1日的沪深300股票池及沪深300指数数据分别训练生成对抗网络模型,并生成和真实数据分布相似的伪数据,用于后续分析。其次,构建Alpha策略,确定候选因子并进行数据的预处理,包括去极值、中性化和标准化;通过构建各因子的特征组合选取有效因子,并建立基于IR加权的Alpha策略;对比加入伪数据前后策略的效果,结果表明,加入伪数据在一定程度上可以对Alpha策略产生影响。最后建立Beta策略,本文建立基于支持向量机(SVM)的Beta策略,通过对未来一段时间的市场涨跌进行预测,作出投资决策;对比加入伪数据前后Beta策略的效果,结果表明加入适量伪数据能提高模型的准确率,并使策略产生更高的收益。