基于cVAE的數(shù)據(jù)增強對下行風(fēng)險預(yù)測的提升

引言數(shù)據(jù)動直機學(xué)的重特征模的表現(xiàn)訓(xùn)數(shù)有很關(guān)，更加樣的集有于型習(xí)數(shù)的本特或是與目標(biāo)之間深的在而并之的在練上顯出某捷但在實踐中模的練往臨著練數(shù)不者訓(xùn)集據(jù)一缺全性和廣性問其金融據(jù)應(yīng)中由市場某模如格可會不斷生以者往會擇行動練即過最一口期的數(shù)據(jù)為練進訓(xùn)這種樣的練難免遇模泛性差問題。諸如類的問限著模型的現(xiàn)，而據(jù)強（aaAugenao便是一種對據(jù)的理術(shù)在擴數(shù)集同提了數(shù)的樣和個型穩(wěn)健Rousne概生成Gneaveoe通學(xué)數(shù)特的率分布從可隨生量與始本分的據(jù)生模亦作據(jù)增強的一實方。從指數(shù)TF期權(quán)交易數(shù)據(jù)中得到的衍生指標(biāo)對指數(shù)未來的下行風(fēng)險有著較強的測意例由權(quán)含波（pedoaty中算來的VX標(biāo)本質(zhì)上是權(quán)場的易者標(biāo)未波率一種期化使些標(biāo)對未風(fēng)進評是要由本的量限以由場或者模式變導(dǎo)的遠據(jù)使用化為型搭與訓(xùn)帶了多難。我們將數(shù)據(jù)增強應(yīng)用到對指數(shù)未來下行風(fēng)險的預(yù)測評估領(lǐng)域，使得模型更加穩(wěn)健同時提了型表第2介數(shù)增生成型基理及變分自編碼器（aaonalAoEncoer;AE）和其衍生而來的條件變分自編碼器（CndonalaaonaluoEncder;cAE第3章主紹TF期的關(guān)衍生指以通一證結(jié)展其指未下行險預(yù)與估義第4章先證試了cE模在險標(biāo)據(jù)上的習(xí)果接來于險指標(biāo)建立了簡單的擇時策略，發(fā)現(xiàn)在進行數(shù)據(jù)增強后，策略具有更加穩(wěn)定的表現(xiàn)第5總本告結(jié)。數(shù)據(jù)增強理論與模型介紹數(shù)據(jù)增強與生成模型數(shù)據(jù)增強Daaugenaon）是一種過算法展訓(xùn)練數(shù)的技術(shù)影人工智能用果三重因素數(shù)模與于量數(shù)驅(qū)模型而言多化訓(xùn)數(shù)提高型度泛效的重因當(dāng)練量較少或較單型向于習(xí)在練本發(fā)現(xiàn)的種可能并沒有何輯者只訓(xùn)練中如像識的務(wù)如有圖片中的都白那型很易立與色間徑傾將其它白色動識為是當(dāng)們充練加訓(xùn)樣的樣時例對此任中原圖樣進行剪旋彩整等理將得比始練集更豐的練本這對提模穩(wěn)性著很的助。類似上例子傳數(shù)據(jù)強過原數(shù)樣本某程上加動豐富訓(xùn)據(jù)強要的設(shè)是改原數(shù)據(jù)本特它可能保留本的時出定式上改來加本樣性目便使型習(xí)到某種不性（nvaanc。1介紹了數(shù)增強計算機視領(lǐng)域中應(yīng)，闡述了數(shù)增技與點以及擴有數(shù)集提高型能面貢2研究了度習(xí)對本據(jù)的據(jù)強及泛測試的建。除了常規(guī)的添加噪聲之外，利用生成模型進行數(shù)據(jù)增強也是一種重要的處理方法不同《器習(xí)歷程量投的望—機學(xué)系之一中介紹判模Dnaveoe別型為關(guān)在定本征目標(biāo)或者標(biāo)簽的分布??(??|??，本上是在訓(xùn)練集上習(xí)到種潛在的關(guān)系，給定新的??時，便可以確定目標(biāo)的條件分布。生成模型更加注重特征與標(biāo)簽的聯(lián)合分布??(??,??或在有簽情下引隱Laentaabe??輔助行究通常會注合??(??,??以及（Liehoo??(??|??成型對據(jù)身性質(zhì)更興。在應(yīng)層生模廣泛于據(jù)布學(xué)以及據(jù)生生型涵蓋廣個有要義型包括3中出變編碼aaonalAuonode;E）以及4]中提出的生成對抗神經(jīng)網(wǎng)絡(luò)模型（GeneaveAvealewok;A，E輸變通過似斷絡(luò)碼隱變的率布然再利用生成網(wǎng)絡(luò)還原原始數(shù)據(jù)的概率分布；N通過判別器（Dnaor）與生成器（Gneao對學(xué)很多成務(wù)都不的表例如5用N族模型習(xí)權(quán)據(jù)并作一數(shù)生緩解由實據(jù)不導(dǎo)致的在其任中練過等問。在小本學(xué)任中據(jù)增就得為要AE的型Ahecu）相于N而更簡對較的練GN身訓(xùn)可也一定的限以篇告擇AE作數(shù)增的型在后兩中細紹E其生型cA。變分自編碼器）正如一所變編器E是類成型但似自編AE同樣著碼解器構(gòu)以正開介紹AE之們要顧動編碼器型uoencde2如圖所，自編碼兩個神網(wǎng)絡(luò)塊組分別是碼器Enode??和解碼Decde??編碼??的作是高的據(jù)征x行線降輸入編??=??(??碼??的是將碼原原特即?=??(??損函數(shù)為重構(gòu)誤差（RconucnEror）即??(??,?)=∥????∥2，兩個模塊同時進行訓(xùn)練。當(dāng)訓(xùn)完??∈???將可能降的礎(chǔ)保原始??中的碼器??將可由維??對原數(shù)??進還。2圖：編碼器解碼器架示意圖數(shù)據(jù)來源：然而自編器用降維非成這因編碼取空???對數(shù)據(jù)的隨生成編取間過以于法取適的碼生符條的特。自動碼存著征編碼復(fù)特一對的關(guān)這于據(jù)成務(wù)也是種為的訓(xùn)集法蓋大編碼至在空間中只有部編才用生成征而分編器AE就決這問關(guān)注編或隱??的條件??(??|??進行模。模型構(gòu)類比類名生模Gauan混模Gaanxueode;G它們有較的似Gauan混模關(guān)??分，引了變??輔助建模，一般而言，??的先驗分布（PorDbuon）假設(shè)為有限取值的離散分布（CaeocalDbuon，而似然??(??|??一般假設(shè)為Gauan分布。通?？梢杂葿aye’oua導(dǎo)后（oseorDbuo??(??|??從進行模所Gauan混合型般以作有限個Gauan分的合事上這的??先驗設(shè)可無法足為復(fù)雜務(wù)需求，E改進了一，它再制??是有限值，同也一個的auan為了便見E假設(shè)變??的驗布??(0,??；另類于Gaun混合型E假??|??服參數(shù)??的Gauan分，e.????|??)=??(??;????,????).此時同地可用Baye’oua出變??的后如，????|??)=????|??(??)= ??(??|??(??) .?? ????) ∫??(??|??(????????事實在維情分母的分算其難????|??的性式數(shù)上是棘（nacab們也以過值法處理所以E擇另一個auan??(??|??去逼????|??其??是分依的數(shù)并且般假設(shè)后驗布各度獨的，??(??|??)=????;??(??,??(??.圖：n混合模示意圖 圖：E示意圖數(shù)據(jù)來源： 數(shù)據(jù)來源：事實??(??|??和????|??這個別示E中編器解碼于解碼????|??而言E巧的一個經(jīng)??去擬??|??的布，于Gaun分布僅由均值和差定，所以體來說合輸入隱??，輸出??|??的????和方協(xié)差??(??，其??是網(wǎng)中要優(yōu)的數(shù)，即??(??)=(????,????).同樣，于碼??(??|??，E使另一神??去??|??的分。具體言輸特??到碼器輸??|??的??(??和方協(xié)方矩??(??中??是絡(luò)需被化參數(shù)即??(??)=??(??,??(??.考慮E具結(jié)，細可見3。致以為3個分：編碼：??輸入樣本特征??到編碼器中，可以得到近似后驗分布??(??|??)的參數(shù)??(??)和o??2(??事上于設(shè)驗維度立所方協(xié)矩陣對矩，由編碼器輸出時便可以直接得到向量的形式；另外為了不限制輸出的符號，輸出方時般用數(shù)。??采樣：從近似后驗分布??(??|??中隨機采樣一個隱變量??的值。采樣使用重參數(shù)化技巧（Rpaaeezaonc??=??(??)+??(????其??～??(,??維與隱變量表示元乘這方將機外部量形引得梯度以采過中播。解碼：將采樣得到的隱變量??輸入到解碼器中，得到??(??|??)的兩個參數(shù)??(??)和o??2(??與碼類似通也設(shè)??|??各度立所o??2(??同為量?? ??的形一來說在踐中省再采的驟直將碼輸?shù)????作為構(gòu)?。圖：E架構(gòu)示意圖數(shù)據(jù)來源：優(yōu)化標(biāo)損函數(shù)模型的優(yōu)化目標(biāo)自然是調(diào)整模型中的參數(shù)最大化對數(shù)似然函數(shù)o????。事實上由全率LwofoalPobby以及BayesBye’ou，o????)可以成下式以推導(dǎo)程見3這概述路，o??(??) =

(??|??g??(??,??)????+∫??

??(??|??)(??|??g ???????? ????

??(??|??) ??

????|??)=????????+??(??(??|??)|??(|??).其中??(?∥表兩分的KubakLeber度稱LKLdvegnc衡量個布間差且非的由于L度性BEdeneLwerBono????的一下界所優(yōu)目轉(zhuǎn)大化EO實，經(jīng)過單變，O可以成下式，???????? =∫??(??|??????|???????∫??(??|??)og

??(??|??)??(??)?????? ??=??????|??)o????|??]???(????|??)||(??.這便總的標(biāo)最化LO的義面是小重誤一項的含義對給??碼??(??|??中采得隱??然后以到時對數(shù)似o????|??最化個似然期的義是小重誤另方面是最化驗??(??|??和先驗??(??的L散度即LO的二綜合來總的化就是保模有編和解能的分布也需要向先驗分布靠近。實際上，KL散度這一項可以看作是優(yōu)化目標(biāo)的正則項（Rguazao如有這么體標(biāo)就有小重損終得到模編器方的輸將近于，喪失隨采的力這情況下型有能化自動碼正項驗分進了在優(yōu)化過程需考后與驗的離避了型退化。接下來考慮經(jīng)驗損失函數(shù)，由于已經(jīng)假設(shè)??(??|??)=????;??(??,??(??)，??(??)=??(??;0,??分別??維各度立的Gauan分。么LO第項KL散度有顯的式下，??(??

??(??|??)|(??))=∑1?1+??2 (??)+??2 (??)?o??2 ??.?? ??=1

??,??)

??,??)

??,??)另外EO的一項以利用1??

og??(??|??來進行計，??從

(??|??中????=1

??

?? ??采由E假????|??)=??(??;??(??,??(????維各維獨的Gauan分布，么個計可寫為?? ??

′

?

2(??)

′1??∑og??(??|??)??=1

1 ∑(??? ??=1

∑??=1

??)

??,??)????,??)??)

?o(??′∏??,??)(??.??=1不妨??,??)??)=12, ??，么計可簡化為??1∑og

??1??|??)= ∑(∥???

(??∥2???′o??).????=1

??

????=1

????2 2綜上在略數(shù)情下，以義失數(shù)：??1??(??)= ∥???

??(??∥2+∑1?1+??2 (??)+??2 (??)?o??2 ??).????=1

????

2??=1

??,??)

??,??)

??,??)損失數(shù)第項構(gòu)差的均而二作正則一訓(xùn)中對一個輸??碼通只進行次樣可達較好訓(xùn)效外碼通常只輸出分布的均值作為重構(gòu)數(shù)據(jù)?。所以在實際過程中的損失函數(shù)便簡化為如下形式：????(??)=∥????2+∑1?1+??2 ??)+??2 ??)?????????2 ??.2 2??=1

??,??)

??,??)

??,??)至此了AE訓(xùn)的失函。訓(xùn)時對數(shù)據(jù)??=????=,???，會對每??算損失函值后進行平，.e.??(??)=1??

??(??。然后反向傳計??算梯，參進優(yōu)。條件變分自編碼器）

????=1 ??本節(jié)紹件分編器型cA，6。E結(jié)與E相，而編碼的入僅含據(jù)特??還含征的標(biāo)??解器輸樣包含隱??與對的??加入簽意是制同標(biāo)下數(shù)分而可以在不同的標(biāo)簽下做數(shù)據(jù)生成。隱含的假設(shè)是不同的標(biāo)簽下數(shù)據(jù)特征的分布不同而cAE便以習(xí)在不標(biāo)下分。圖：cE架構(gòu)示意圖in，E向播過是：編碼：輸入本??與對的簽??到碼先離標(biāo)??轉(zhuǎn)為onot編碼，與原特??進拼后入到絡(luò)輸對隱變??近后??(??|??,??)的均值向量對數(shù)方差量（這里仍假設(shè)近似驗是各維度立的Gaun分布所方協(xié)差陣是角，以成量的式。采樣：與AE的樣相，用輸?shù)乃乞灁?shù)行隱量采??。解碼：將采??與對應(yīng)的??輸入到解碼中，????|??,??的均值，但與E相同，般言直將值作重數(shù)?。cE損函與AE基本似，????(??,??)=∥????∥2+∑1?1+??2 ??,??)+??2 ??,??)?o??2 ??,??.2 2??=1

??,??)

??,??)

??,??)在訓(xùn)過中對數(shù)集??=????=,?,????=????=,?,??對每(??,??)計失函數(shù)然進平.e.??(??,??)=1??

??(??,??)后向播計梯參數(shù)進優(yōu)。

????=1

????我們望AE型到不標(biāo)下?lián)鞣植颊幤鞔a的程相當(dāng)數(shù)重由采樣引的機構(gòu)數(shù)不和始入同但是相較且分接的據(jù)成僅用碼變??由驗隨機生成然??與標(biāo)??輸解碼生這標(biāo)應(yīng)特分的機這兩種方均以一程上對始據(jù)進豐及補?；赾AE型數(shù)強，契于不標(biāo)下的征多隨變）布不同情習(xí)不標(biāo)簽特的布進數(shù)據(jù)成作一數(shù)增的方式升數(shù)集其任務(wù)表及健。期權(quán)衍生指標(biāo)與標(biāo)的風(fēng)險的關(guān)系指標(biāo)介紹期權(quán)場指未下風(fēng)險預(yù)評提了樣化信息并為者供對Hedgg與Abag平所期權(quán)交信包價交量成含動Geeks反著權(quán)市上交者標(biāo)指的某種期外對時間一的有同行（kePc不同到期時eoau）的多種按行價與期間兩維可構(gòu)建隱波率（oaiySua果注波動與期間個度，那么以到含動的期結(jié)emSucueofoay果注含波動率與權(quán)價個維那么可得到含波微笑曲（oaySe，這些信受廣投者關(guān)注測蹤些信息異情對期市的套利者的數(shù)擇，有非重的義。本文主目是出據(jù)增的以據(jù)上用傳的權(quán)標(biāo)后續(xù)在標(biāo)面以出定進第個標(biāo)上證50期合的VX指，類似于993美芝哥期交所）出的動指數(shù)VX的制方式VX由日交的行數(shù)計得以作期隱波率綜指標(biāo)隱波率?？醋髌谑猩蠘?biāo)未來動的以VX多用于征場緒也稱作恐指。圖：VX指數(shù)與上證50EF收盤價走勢in，第二指是證0合的KW數(shù)于200美芝哥交易出偏數(shù)KW編方EW主描期隱動率曲線率走衡反映權(quán)場易對市場益對的以及對于市尾風(fēng)預(yù)SW市中極情的生有警以黑天鵝數(shù)。圖：W指數(shù)與上證50F收盤價走勢in，其他標(biāo)看看比PutCalRa;CR它衡看期與漲權(quán)在成交量成額倉方面不稱般言期市中未下行風(fēng)險的期升這對稱可就超正范如預(yù)未數(shù)具有較大下風(fēng)時看期權(quán)交可會加對沖的臨市風(fēng)。圖：R成交量比率上證50EF收盤價走勢in，圖：R持倉量比率上證50EF收盤價走勢in，圖1：R成交額比與上證50EF收盤價走勢in，實證結(jié)果本節(jié)們要試節(jié)紹的個權(quán)生標(biāo)VXSEW和PR標(biāo)未來下風(fēng)預(yù)評的效性先析標(biāo)來一收率時相性及指標(biāo)指之的關(guān)。圖：風(fēng)險指標(biāo)與未來月收益率時序相關(guān)數(shù)in，從相系圖可看VX與來月益呈負關(guān)而EW與來月收益呈相幾個PR標(biāo)未收率關(guān)性明考指間的相關(guān)性們現(xiàn)PR中PR交比率PR_oa_unover與CR成量比率PR_oue以及CR持倉比率R_poson均有強相性由這些期權(quán)生標(biāo)身為險指對收率的預(yù)可并準(zhǔn)如可以發(fā)在VX較的間數(shù)向出大者大但能無的收益率上的別衍生標(biāo)能善預(yù)評估來波或險平所以其要應(yīng)應(yīng)為險管規(guī)下風(fēng)而直接取頭益。如果目由來個收益替成來個的下風(fēng)險可重試標(biāo)與目以指之的關(guān)性里們擇在未一月最回作未來下風(fēng)的量。圖1：風(fēng)險指標(biāo)與來月最大回撤相關(guān)系數(shù)in，一般言模在類題上較回有更的表更于用所更進一我將來行險標(biāo)進離成若個們類方式為：計算來個最回的均以標(biāo)差；將均減0.5倍準(zhǔn)作為個割點記節(jié)點1和點；將未一月大撤于點1標(biāo)為0低風(fēng)水未來月最大撤點1與點2之的簽為，中風(fēng)水；未一月最大撤于點2的簽為2即風(fēng)水。這種類法得個別中樣數(shù)大相下圖指與來風(fēng)級之的關(guān)。圖1：風(fēng)險指標(biāo)與來行風(fēng)險等級相關(guān)系數(shù)in，從圖可看VX未來行險級在顯著正關(guān)這與VX自身的邏輯一致，即對未來市恐慌情緒的反應(yīng)。EW與未來下行風(fēng)險存在著相EW是含度描期權(quán)場未收率布的期較的離含未來的險平及跌情，對VX的效充R指中R成交額率CR_oa_unver與CR成量率R_oue與來行險級正相而PR持量率PR_poson未下風(fēng)險級負于CR指標(biāo)存著強相性以與VEW之間相里取CR成交比作另一風(fēng)險標(biāo)補CR交額率未下風(fēng)正關(guān)的邏在比較時場于跌權(quán)易的好于漲權(quán)這明市場的在較的險情。進一分觀指選的有性面不度的標(biāo)未一收率驗分布及來月大撤經(jīng)分進統(tǒng)里高指表指高時序%分位，應(yīng)，位標(biāo)表指低序20分位。圖1：不同X下未來一月收益率分布 圖1：不同X下未來一月最大回撤分布in， ind，圖1：不同W下未來一月收益率分布 圖1：不同W下未來一月最大回撤分布in， ind，圖1：不同R成交下未來一月收益率布 圖1：不同R成交下未來一月最大回分布in，表：不同程度指標(biāo)來一月收益率的均與準(zhǔn)差ind，高X 低X 高SEW低SEW高PR成交額低PR成交額均值 -0.3% 1.6% 1.2%-1.7%-0.4%0.3%標(biāo)準(zhǔn)差 7.8% 3.2% 7.5%6.3%5.8%6.9%in，表：不同程度指標(biāo)下來一月最大回撤的值標(biāo)準(zhǔn)差高低高SEW低SEW高PR成交額低PR成交額均值7.4%2.2%5.1%6.4%6.4%5.0%標(biāo)準(zhǔn)差6.0%2.8%3.7%5.7%5.3%4.7%in，圖表可看低VX指標(biāo)來個收和未一最回的布有著明的低VX收值高準(zhǔn)更最回均更準(zhǔn)差更小高低EW指未一收益和回撤樣著同分總體而言較的KEW可意味相更的現(xiàn)高低CR交比對來收益風(fēng)表同有一定區(qū)度。為了證險級類合理性我比不險等下各標(biāo)分并估它們聯(lián)分先過ugenedDcke—e（D驗證列平穩(wěn)性。之后用Koogovnov（KS）檢驗驗單隨機變量兩兩分布是否相同。最后用5中對于聯(lián)合分布的評分方法（DbuonalScoe）通過高階矩的差異評估聯(lián)分的異原因在融據(jù)用階決著生的傾向5。評計方如：對于d維機??和??1,2,?,??1,2,?,??分別????的??個??和??分別示一樣計偏度wne）峰uos，么??????????????????=∥??(1,2,?,??)???(1,2,?,??)2,??????????????????=∥??(1,2,?,??)???(1,2,?,??∥2.DF檢結(jié)為個的p均顯可為序是穩(wěn)接為了驗證風(fēng)等劃的效，我統(tǒng)了同險級下標(biāo)經(jīng)分。圖2：不同風(fēng)險等下X的分布in，圖2：不同風(fēng)險等下EW的分布in，圖2：不同風(fēng)險等下R成交額比率的分布in，表：不同風(fēng)險等級下指標(biāo)的均值與標(biāo)準(zhǔn)差SEWPR成交額風(fēng)險等級012012012均值17422305250210.710.299750.80.90.6標(biāo)準(zhǔn)差5.96.98.72.83.94.20.80.90.9in，表：不同風(fēng)險等級間指標(biāo)oogoo—rov檢驗的p值SEWPR成交額風(fēng)險等級013-470.33-3風(fēng)險等級021-151-2-8風(fēng)險等級123-73-70.2in，表：不同風(fēng)險等級間指標(biāo)聯(lián)合分布的評分數(shù)Sksoeutosoe風(fēng)險等級01 0.62788風(fēng)險等級02 1.910.0風(fēng)險等級12 1.38942in，從經(jīng)分圖及Koooov—nv驗結(jié)中可看在同險等級VX指的布著顯的KW標(biāo)在級0級1分對比外，也著不同級的分布差性；R成額指標(biāo)在定的顯性平下，在不風(fēng)等間分存在異較的kwnsoe與Kuossoe明三個指標(biāo)在不同風(fēng)險等級下的聯(lián)合分布存在著較為明顯的差異。以上的分析也表明，我們于來險級劃分式為理它在大度對著標(biāo)當(dāng)前的同式?；赾E和風(fēng)險指標(biāo)的策略模型表現(xiàn)及測試本節(jié)首先檢模型對指聯(lián)合分布的習(xí)效果。們使用條件分自編器E作為據(jù)成型樣特征上章介的VXSEW以及CR成比率，本簽按來月最回劃的險級將215年2至20年9月的據(jù)為練，20年10至222年1的數(shù)作測集讓型在訓(xùn)練上習(xí)征聯(lián)分對試的進行較測中原始樣本布重樣分的差。通過一的證可以為不的來險等標(biāo)分是不同的。考慮到種差異性模型事實上要學(xué)習(xí)三不同的數(shù)據(jù)布，這于而言為合因有外的簽入不等下的據(jù)布行分。在數(shù)處層為模型更的練我們數(shù)集的標(biāo)行時序標(biāo)準(zhǔn)化。每個訓(xùn)練樣本包含三個指標(biāo)處理后的值和一個風(fēng)險等級標(biāo)簽。利用n-bach方進訓(xùn)，數(shù)優(yōu)器擇Ada。在測階將試標(biāo)簽不的險級成三將組數(shù)入到訓(xùn)練好的AE模中碼到變的布隨機樣輸?shù)酱a中出重構(gòu)本比原樣與重樣的布異以作評估cAE模布習(xí)效果一方。圖2在測試集風(fēng)險級0時VX原始分布與構(gòu)分布對比

圖2在測試集風(fēng)險級0時W原始分布重構(gòu)分布對比 in， ind，圖2在測試集風(fēng)級0時PR成交額原始布與重構(gòu)分布對比

圖2：在測試集中險級0時各指標(biāo)原始據(jù)對應(yīng)重構(gòu)數(shù)據(jù)熱力圖 in， ind，表：在測試集中風(fēng)險級0時各指標(biāo)的原始分與重構(gòu)分布均值與準(zhǔn)對比SEWPR成交額iginoniginoniginon均值-0.6-0.5-0.2-0.20.90.9標(biāo)準(zhǔn)差0.20.40.70.90.80.7in，圖2在測試集中風(fēng)險級1時VX原始分布與構(gòu)分布對比

圖2在測試集風(fēng)險級1時W原始分布重構(gòu)分布對比 in， ind，圖2在測試集中風(fēng)級1時PR成交額原始布與重構(gòu)分布對比

圖3：在測試集中險級1時各指標(biāo)原始據(jù)對應(yīng)重構(gòu)數(shù)據(jù)熱力圖 in， ind，表：在測試集中風(fēng)險級1時各指標(biāo)的原始分與重構(gòu)分布均值與準(zhǔn)對比SEWPR成交額iginoniginoniginon均值-0.5-0.4-0.7-0.50.90.0標(biāo)準(zhǔn)差0.30.50.60.50.40.2in，圖3在測試集中風(fēng)險級2時VX原始分布與構(gòu)分布對比

圖3在測試集風(fēng)險級2時W原始分布重構(gòu)分布對比 in， ind，圖3在測試集中風(fēng)級2時PR成交額原始布與重構(gòu)分布對比

圖3：在測試集中險級2時各指標(biāo)原始據(jù)對應(yīng)重構(gòu)數(shù)據(jù)熱力圖 in， ind，表：在測試集中風(fēng)險級2時各指標(biāo)的原始分與重構(gòu)分布均值與準(zhǔn)對比SEWPR成交額iginoniginoniginon均值-0.3-0.5-0.3-0.30.90.8標(biāo)準(zhǔn)差0.00.10.90.80.90.7in，表：測試集中不同風(fēng)等級下的原始樣本重樣本的分布評估分數(shù)Sksoeutosoe風(fēng)險等級00.0.8風(fēng)險等級10.10.9風(fēng)險等級20.20.8in，從在試當(dāng)不風(fēng)等級的標(biāo)始本重構(gòu)本布比看各標(biāo)的原分與習(xí)的布差較從標(biāo)熱力上始與其對應(yīng)的構(gòu)據(jù)為似從分評分來三個險級別始本與重構(gòu)樣本高階矩差較小。上述果均表明E模型此分布學(xué)有不錯表，時表從訓(xùn)集學(xué)到分有著定泛性。策略構(gòu)建及回測結(jié)果上一中證了AE型對指分學(xué)的現(xiàn)。節(jié)，們用權(quán)場的風(fēng)指對來行險進預(yù)評估并下行險測建數(shù)擇策略來證標(biāo)有策略想是制來高風(fēng)預(yù)下持于市場的隱狀可會生變所在測更好近的里采用滾動訓(xùn)的后始策的礎(chǔ)對個練集行據(jù)改進后策略果提。初始略定固口為500個易每0個易為個倉在每個調(diào)先窗內(nèi)的據(jù)行序準(zhǔn)用準(zhǔn)期數(shù)據(jù)（不括日預(yù)測（dco參了便見預(yù)選擇線性分器輯歸（ogcRegeonde然后用計參的測器和當(dāng)數(shù)對來險行預(yù)再據(jù)測確定倉們對持倉限制參設(shè)是測來下風(fēng)級0滿持險級為1或2時持倉比限為01。為了果可增強進的策設(shè)除每調(diào)日訓(xùn)集余與初策保一每個倉標(biāo)化后的口數(shù)以標(biāo)（包括當(dāng)數(shù)）練cE模型得AE學(xué)不同簽指的布接下來應(yīng)用練的AE對窗期的練據(jù)行重，生與始本據(jù)同分的構(gòu)本據(jù)將重樣與始本及它對的簽新包為這個倉的廣練后新訓(xùn)集測器參進估后與初始策相用計數(shù)的測和日據(jù)未來險行據(jù)結(jié)果確定倉。我們用015年2月至022年1的險標(biāo)據(jù)以行數(shù)對略行回測得意是由使用動口策回計算值起日是據(jù)始日期第500個易。圖3：策略凈值對（測器：Lgcegeon）in，圖3：使用數(shù)據(jù)增后策略對未來風(fēng)險的測預(yù)測器：Lgcegeon）in，表1：策略回測結(jié)（測器：Lgcegeon）年化收益年化波動Shapeato最大回撤累計凈值勝率指數(shù)基準(zhǔn)2.1%194%0.1384%1.2-初始策略8.2%104%0.9128%1.60.5數(shù)據(jù)增強后的策略9.0%108%0.3128%1.30.0in，選擇測為輯歸型對上義初略以數(shù)增后策進回測從值線可出依期風(fēng)指未來行險行估擇時策略的可在定度規(guī)避場來大下而得額益在個調(diào)倉的練經(jīng)數(shù)增強預(yù)器穩(wěn)得到未風(fēng)預(yù)測評估也為確改后策略有好表風(fēng)險測中指曲上色的點示來下風(fēng)等級低色表示風(fēng)或風(fēng)據(jù)來自改進的略表中以始與改后策均有高超額和hapea顯低的動及大其中進的項標(biāo)優(yōu)這來自數(shù)增在定度上模提的化由于里僅用性型作為類身化不錯所從據(jù)來并沒大度效提下來將測改隨森模型并試略表。圖3：策略凈值對（測器：andmoe）in，圖3：使用數(shù)據(jù)增后策略對未來風(fēng)險的測預(yù)測器：anomoe）in，表：策略回測結(jié)（測器：andmoe）年化收益年化波動Shapeato最大回撤累計凈值勝率指數(shù)基準(zhǔn)2.1%194%0.1384%1.2-初始策略7.9%9.9%0.0121%1.30.1數(shù)據(jù)增強后的策略103%100%1.31396%1.40.4in，當(dāng)使用隨機森林模型對未來下行風(fēng)險進行分類時，從策略凈值對比圖中可以看出類似線分規(guī)避了多幅跌情險避策方式使其身為守但然沒錯上的間此時過AE型增后的策具顯更的現(xiàn)并優(yōu)預(yù)器輯回模時情在很大程度是于復(fù)的線性類型于據(jù)的較要求所數(shù)強相對復(fù)的練務(wù)有大的果未險的測中標(biāo)注為中高險級點多布在期有大撤區(qū)間中據(jù)自據(jù)強改進的略從略估表可看預(yù)器選隨森模時初策略與進的略各指標(biāo)都著對數(shù)著更的現(xiàn)且增改進后略年收率年化動以及peo等方面對始略優(yōu)異。對比同測選下初始對雜測器沒提策的現(xiàn)這可能由滾窗期數(shù)據(jù)過從降了型的化性即本預(yù)能力這于對雜模型言為顯然對不預(yù)器的據(jù)強改進的復(fù)測器擇數(shù)增使策略現(xiàn)明提表明了數(shù)據(jù)強提模泛性方具不的獻尤其對小本況相復(fù)雜模的練言。上述果據(jù)對于來行險測估效有明的尤其是對于動練較的據(jù)集況及對雜預(yù)測型情另數(shù)增強對始略行進回測果各指上現(xiàn)更。最后證據(jù)強略參數(shù)敏性里調(diào)整同中風(fēng)下倉制值，比不持限下的始略改策的回結(jié)。表1：策略對持倉制數(shù)的敏感性（預(yù)測：moe）年化收益年化波動Shapeato最大回撤累計凈值指數(shù)基準(zhǔn)2.1%194%0.1384%1.2初始策略（01）7.9%9.9%0.0121%1.3改進策略（01）103%100%1.3140%1.4初始策略（02）7.7%11%0.9153%1.2改進策略（02）9.4%104%0.1140%1.7初始策略（03）7.3%16%0.3173%1.9改進策略（03）8.6%11%0.8173%1.0初始策略（04）6.5%1