[论文解读] Deep Learning for Stock Selection Based on High Frequency Price-Volume Data

Junming Yang, Yaoqi Li+3 more|arXiv (Cornell University)|Nov 6, 2019

Stock Market Forecasting Methods被引用 6

一句话总结

本文提出一种基于LSTM和CNN模型的深度学习框架，利用高频价格-成交量数据（15分钟间隔）预测中国A股市场的日度股票收益。模型在5个月的回测中表现优于CSI300基准指数，净收益率分别达到19.61%（CNN）和16.27%（LSTM），风险调整后收益更高，且在考虑交易费用后仍显著跑赢基准。

ABSTRACT

Training a practical and effective model for stock selection has been a greatly concerned problem in the field of artificial intelligence. Even though some of the models from previous works have achieved good performance in the U.S. market by using low-frequency data and features, training a suitable model with high-frequency stock data is still a problem worth exploring. Based on the high-frequency price data of the past several days, we construct two separate models-Convolution Neural Network and Long Short-Term Memory-which can predict the expected return rate of stocks on the current day, and select the stocks with the highest expected yield at the opening to maximize the total return. In our CNN model, we propose improvements on the CNNpred model presented by E. Hoseinzade and S. Haratizadeh in their paper which deals with low-frequency features. Such improvements enable our CNN model to exploit the convolution layer's ability to extract high-level factors and avoid excessive loss of original information at the same time. Our LSTM model utilizes Recurrent Neural Network'advantages in handling time series data. Despite considerable transaction fees due to the daily changes of our stock position, annualized net rate of return is 62.27% for our CNN model, and 50.31% for our LSTM model.

研究动机与目标

• 开发一种基于深度学习的选股策略，仅使用高频价格-成交量数据，无需人工特征工程。
• 评估LSTM与CNN模型在预测中国股票市场日度股票收益方面的性能。
• 通过包含实际交易成本的回测，将模型表现与CSI300指数基准进行对比。
• 识别序列建模（LSTM）与局部模式提取（CNN）在高频金融时间序列中的优势与局限。
• 探索通过混合架构（CNN-LSTM）、更高频数据（1分钟）以及强化学习优化交易成本等未来改进方向。

提出的方法

• LSTM模型基于15分钟价格-成交量序列数据进行训练，以捕捉长期时间依赖关系，并预测次日股票收益。
• CNN模型将堆叠的15分钟价格-成交量序列作为2D输入张量处理，自动提取局部空间模式与高层特征。
• 模型使用Adam优化器训练，配合早停策略、Dropout正则化（保留概率0.5）以及L2权重衰减，以防止过拟合。
• 两种模型均采用五日输入窗口以提升泛化能力，数据在训练期内通过最小-最大归一化进行标准化处理。
• 选股基于预测的预期收益率；仅选择预测收益率≥0.14%的股票参与每日投资组合再平衡。
• 回测框架模拟每日交易，设置0.1%的交易费用，并以CSI300指数作为性能比较的基准。

实验结果

研究问题

• RQ1 LSTM与CNN模型是否能仅基于高频价格-成交量数据、无需手工特征，有效预测日度股票收益？
• RQ2 与被动型指数基准（CSI300）相比，LSTM与CNN模型在累计收益与风险调整指标方面的表现如何？
• RQ3 输入序列长度（1天 vs. 5天）对模型泛化能力与预测准确率有何影响？
• RQ4 正则化技术（如SpatialDropout与L2权重衰减）如何影响模型鲁棒性与过拟合问题？
• RQ5 结合CNN的特征提取能力与LSTM的时间建模优势的混合架构，能否提升高频选股中的预测性能？

主要发现

• CNN模型在回测期间（2019年1月16日至2019年5月31日）实现19.61%的净收益率，优于LSTM模型的16.27%净收益率。
• 两种模型均显著跑赢CSI300基准指数，后者在同期仅实现16.02%的简单收益率。
• CNN模型的信息比率（82.91%）高于LSTM模型（79.48%），表明其风险调整后表现更优。
• 尽管存在交易费用，两种模型仍实现正向净收益，CNN模型的毛收益率达35.30%，交易费用成本为15.69%。
• 两种模型的波动率高于基准指数，最大回撤分别为25.43%（CNN）与21.27%（LSTM），表明其采用更激进的交易策略。
• 两种模型的胜率略高于50%（LSTM为51.14%，CNN为51.61%），表明选股准确率稳定但未占主导优势。