深度學習在Smart Beta交易策略之應用

Smart Beta Trading Strategies With Deep Learning

吳錦文(Chin-Wen Wu) ； 王昭文(Chou-Wen Wang) ； 謝育展(Yu-Chan Hsieh)

《台灣管理學刊》 20卷2期 (2020/08) Pp. 77-110

https://doi.org/10.6295/TAMJ.202008_20(2).0004

摘要

本研究使用Smart Beta因子與技術指標作為輸入特徵（features），並搭配深度學習中的多層感知器（multilayer perceptron, MLP）和卷積類神經網路（convolutional neural networks, CNN）來建構Smart Beta交易策略，驗證深度學習在投資交易策略上之效果。運用2007年至2017年的台灣股票資料，透過每季進行模型的更新及訓練，結果發現深度學習Smart Beta交易策略績效表現優於台灣加權指數和運用Asness, Frazzini, and Pedersen（2017）的Smart Beta特徵分數方法建構之投資組合。此外，透過特徵篩選法保留重要輸入特徵，可使深度學習Smart Beta交易策略績效更進一步提升。

關鍵字

深度學習 ； 多層感知器 ； 卷積類神經網路 ； Smart Beta交易策略

並列摘要

Using Smart Beta factors and technical indicators as input features, this paper employs multilayer perceptron (MLP) and convolutional neural networks (CNN) to construct deep learning Smart Beta trading strategies. The frequency of updating and training deep learning model is quarter base from 2007 to 2017. The empirical results demonstrate that the performance of Deep Learning Smart Beta trading strategies is better than the Taiwan Capitalization Weighted Stock Index (TAIEX) and benchmark Smart Beta portfolio based on Asness, Frazzini, and Pedersen (2017). In addition, the refined feature through feature selection processes can further enhance the performance of deep learning Smart Beta trading strategies.

並列關鍵字

deep learning ； multilayer perceptron ； convolutional neural network ； Smart Beta trading strategy

參考文獻

陳俊豪（2017）。利用卷積神經網路深度學習方法預測外匯走勢（未出版之碩士論文）。國立台灣大學經濟學研究所，台北。

陳鄢貞（2011）。以財務指標及技術指標建構股價預測模型—類神經網路模型之應用（未出版之碩士論文）。國立台北大學國際財務金融碩士在職專班，新北。

黃君平（2016）。基於深度學習概念之金融市場價格預測（未出版之碩士論文）。國立交通大學資訊管理研究所，新竹。

盧泰源（2016）。最適化 Smart Beta 策略組合型基金之應用—以台灣股票市場之交易策略研究（未出版之碩士論文）。國立中山大學財務管理學系，高雄。

Altman, E. I. (1968). Financial ratios, discriminant analysis and the prediction of corporate bankruptcy. The Journal of Finance, 23, 589-609.