20170706-广发证券-交易性择时策略研究之十二_虚拟遗憾最小化应用于量化择时与交易_25页_1mb

虚拟遗憾最小化应用于量化择时与交易总结

核心内容

虚拟遗憾最小化（Counterfactual Regret Minimization, CFR）是一种基于博弈论的算法，用于在非完美信息和扩展式博弈中寻找最优策略。本报告探讨了该算法在量化择时和股指期货交易中的应用，展示其在市场预测和交易信号生成中的潜力。

主要观点

• 人工智能与量化投资：人工智能，尤其是深度学习和虚拟遗憾最小化算法，正在深刻改变金融行业，为投资策略提供新的思路。
• 虚拟遗憾最小化算法：该算法通过不断迭代，将整体收益分解到各个决策点，使得每个决策点的遗憾值最小化，从而实现整体收益最大化。
• 量化择时应用：将市场指数视为对手，通过历史数据预测未来涨跌概率，生成多空信号。该策略在不同指数中表现良好，但需根据波动率调整阈值。
• 股指期货交易应用：在日频交易中，虚拟遗憾最小化策略表现出稳定收益，年化收益率在不同交易成本下分别为10.70%、10.67%和10.40%。
• 风险提示：本报告不提供投资建议，仅用于策略讨论，投资者需自行评估风险。

关键信息

一、Fintech发展概述

• Fintech自2008年金融危机后快速发展，2016年全球风投驱动的融资总额为127亿美元，亚洲份额逐年提升，接近北美。
• 中国金融科技领域投资总额和交易数量增长显著，2015年和2016年分别增长250%和64%。
• 金融科技企业主要集中在支付、借贷、保险等领域，中国公司如蚂蚁金服、陆金所、众安保险等表现突出。

二、人工智能与投资策略

• 深度学习应用：深度学习在股指期货日内交易和Alpha因子挖掘中取得显著成果，预测准确率超过73%。
• 虚拟遗憾最小化：不同于深度学习，虚拟遗憾最小化更适用于非完美信息和扩展式博弈，通过不断迭代优化策略，使其逼近纳什均衡。

三、虚拟遗憾最小化在量化择时中的应用

• 策略逻辑：将市场指数视为对手，通过历史数据预测未来涨跌概率，生成多空信号。
• 信号生成：设定Gate1和Gate2两个阈值（分别为0.55和0.45），根据预测概率突破阈值来触发交易信号。
• 实证结果：
  • 沪深300指数：样本内年化收益率为13.48%，样本外为10.67%。
  • 上证指数：样本外年化收益率为10.62%。
  • 中证500指数：样本外年化收益率为15.19%。
  • 创业板指：样本外年化收益率为33.61%。
  • 中小板指：样本外年化收益率为9.13%。

四、虚拟遗憾最小化在股指期货交易中的应用

• 策略表现：在零交易费用、双边万二和千一交易费用下，年化收益率分别为10.70%、10.67%和10.40%。
• 交易周期：策略适用于日频交易，平均持仓周期为39个交易日，交易次数为20次。
• 信号稳定性：由于不同指数波动率差异，应根据指数特性调整信号产生阈值。

五、风险与注意事项

• 风险提示：本报告仅用于讨论虚拟遗憾最小化在量化择时中的应用，不构成投资建议。
• 策略局限性：策略基于历史数据，不考虑个体投资者的特定情况，需谨慎使用。
• 数据来源：所有数据均来自广发证券发展研究中心和Wind资讯。

图表与数据索引

• 图1：全球Fintech行业风投驱动的融资额和成交量。
• 图2：Fintech在三大洲风投驱动下的融资额（单位：十亿美元）。
• 图3：中国2012-2016年金融科技领域投资总额和交易数量。
• 图4：国际银行巨头2011-2016年投资金融科技领域情况（投资笔数）。
• 图5：2016年金融科技TOP100企业所在领域占比。
• 图6：深度学习的层级结构。
• 图7：深度学习之股指期货日内交易策略。
• 图8：Alpha因子策略示意图。
• 图9：两人无限注德州扑克的博弈树。
• 图10：虚拟遗憾最小化的算法框架。
• 图11：根据策略产生择时信号的过程。
• 图12：$\sigma(\text{long})$ 的频数分布直方图。
• 图13：样本内，虚拟遗憾最小化策略在沪深300指数多空、纯多择时收益。
• 图14：样本外，虚拟遗憾最小化策略在沪深300指数多空、纯多择时收益。
• 图15：样本外，虚拟遗憾最小化策略在上证指数多空、纯多择时收益。
• 图16：样本外，虚拟遗憾最小化策略在中证500指数多空、纯多择时收益。
• 图17：样本外，虚拟遗憾最小化策略在创业板指数多空、纯多择时收益。
• 图18：样本外，虚拟遗憾最小化策略在中小板指数多空、纯多择时收益。
• 图19：虚拟遗憾最小化策略用于IF低频交易的累积收益率。

表格索引

• 表1：金融科技公司Top50中中国公司情况。
• 表2：深度学习在科技领域的重大突破。
• 表3：样本外，虚拟遗憾最小化策略在沪深300指数多空、纯多择时结果。
• 表4：样本外，虚拟遗憾最小化策略在上证指数多空、纯多择时结果。
• 表5：样本外，虚拟遗憾最小化策略在中证500指数多空、纯多择时结果。
• 表6：样本外，虚拟遗憾最小化策略在创业板指数多空、纯多择时结果。
• 表7：样本外，虚拟遗憾最小化策略在中小板指数多空、纯多择时结果。
• 表8：虚拟遗憾最小化策略在IF日频交易上的测算结果。

联系方式

• 分析师：张超，S0260514070002
• 联系方式：020-87578291，zhangchao@gf.com.cn
• 地址：
  • 广州市：广州市天河区林和西路9号耀中广场A座1401
  • 深圳市：深圳福田区益田路6001号太平金融大厦31层
  • 北京市：北京市西城区月坛北街2号月坛大厦18层
  • 上海市：上海浦东新区世纪大道8号国金中心一期16层

投资评级说明

• 买入：预期未来12个月内，股价表现强于大盘10%以上。

• 持有：预期未来12个月内，股价相对大盘变动幅度介于-10%～+10%。

• 卖出：预期未来12个月内，股价表现弱于大盘10%以上。

• 公司投资评级：

  • 买入：预期未来12个月内，股价表现强于大盘15%以上。
  • 谨慎增持：预期未来12个月内，股价表现强于大盘5%～15%。
  • 持有：预期未来12个月内，股价相对大盘变动幅度介于-5%～+5%。
  • 卖出：预期未来12个月内，股价表现弱于大盘5%以上。

免责声明

本报告内容仅供参考，不构成投资建议。广发证券不对因使用本报告内容而引起的损失承担责任，除非法律法规另有规定。报告内容可能随时更改，且不会提前通知。