金融工程專題：基于QLIBALPHA360的Temporal FusionTransformer選股模型.pdf

金融工程專題：基于QLIBALPHA360的Temporal FusionTransformer選股模型。本文主要是利用 QLIB 的 ALPHA 360 因子，結合 Temporal Fusion Transformer 對中證 500 成份股的未來一日收益率進行預測，將 預測結果作為因子，利用 TopKdropN 的方式進行回測，結果表 明，與傳統的 ICIR 加權的方式對比，TFT 模型能夠取得更加優異 的結果。并且通過參數的調整，TFT 模型能夠在與中長期策略換 手率接近的情況下，取得更加優異的表現。

數據介紹

QLIB 是微軟亞洲研究院開發的開源量化 AI 平臺，提供了完整的 數據，模型，回測和分析的功能。在數據模塊中，除了提供基 礎的價格和成交量信息外，QLIB 還提供了兩套完整的因子系統 ALPHA 158 和 ALPHA 360，兩者均為量價指標，但是在生成方式 上有所區別。

本文對 ALPHA158 和 ALPHA360 的表現進行分析，最終選取表現 更好的 ALPHA360 中的 20 個因子作為模型輸入。

模型介紹

Temporal Fusion Transformer（TFT）是 2021 年由 GOOGLE CLOUD AI 的 Bryan Lim 等人提出的，旨在解決 Transformer 用于時間序 列預測的問題。TFT 是一個泛化性能較好的深度學習模型，能夠 處理靜態變量（例如行業分類，商店位置等），觀測輸入變量 （各類自變量輸入）以及已知的變量（例如節假日信息等），能 夠通過共享權重向量輸出特征重要性，并且能夠做多步預測且 輸出分位數預測值。

模型結果

與傳統的 ICIR 加權對比，TFT 模型能夠取得更加優異的表現。通 過約束不同的換手率，TFT 策略能夠取得與中長期策略近似的換 手率，并且收益以及穩定性也非常優異， TFT(50,1)能夠取得年 化 19.57%，超額 15.57%，信息比率 1.74，換手率 4.6 的優異表 現。