深度循环因子模型：可解释的非线性时变多因子模型
机器学习
2019-02-01 v1 统计金融
摘要
线性多因子模型是股票投资组合管理中最重要的工具之一。线性多因子模型因易于解释而被广泛使用。然而，金融市场并非线性，其精度有限。近来，人们提出深度学习方法基于多因子模型预测股票收益。尽管这些方法表现相当好，但它们存在显著缺点，如缺乏透明性以及预测可解释性方面的局限。因此，机构投资者难以在实际投资实践中使用黑盒型机器学习技术，因为他们需向客户展示问责性。为此，我们提出的解决方案基于带 LRP 的 LSTM。具体而言，我们将线性多因子模型扩展为具有 LSTM 的非线性时变模型。然后，我们通过 LRP 对学到的 LSTM 模型进行近似与线性化。我们将此 LSTM+LRP 模型称为深度循环因子模型。最后，我们对日本股市进行实证分析，表明我们的循环模型比传统线性模型和全连接深度学习方法具有更好的预测能力。
引用
@article{arxiv.1901.11493,
title = {Deep Recurrent Factor Model: Interpretable Non-Linear and Time-Varying Multi-Factor Model},
author = {Kei Nakagawa and Tomoki Ito and Masaya Abe and Kiyoshi Izumi},
journal= {arXiv preprint arXiv:1901.11493},
year = {2019}
}
备注
In AAAI-19 Workshop on Network Interpretability for Deep Learning