金融工程专题：基于QLIBALPHA360的Temporal FusionTransformer选股模型.pdf

金融工程专题：基于QLIBALPHA360的Temporal FusionTransformer选股模型。本文主要是利用 QLIB 的 ALPHA 360 因子，结合 Temporal Fusion Transformer 对中证 500 成份股的未来一日收益率进行预测，将 预测结果作为因子，利用 TopKdropN 的方式进行回测，结果表 明，与传统的 ICIR 加权的方式对比，TFT 模型能够取得更加优异 的结果。并且通过参数的调整，TFT 模型能够在与中长期策略换 手率接近的情况下，取得更加优异的表现。

数据介绍

QLIB 是微软亚洲研究院开发的开源量化 AI 平台，提供了完整的 数据，模型，回测和分析的功能。在数据模块中，除了提供基 础的价格和成交量信息外，QLIB 还提供了两套完整的因子系统 ALPHA 158 和 ALPHA 360，两者均为量价指标，但是在生成方式 上有所区别。

本文对 ALPHA158 和 ALPHA360 的表现进行分析，最终选取表现 更好的 ALPHA360 中的 20 个因子作为模型输入。

模型介绍

Temporal Fusion Transformer（TFT）是 2021 年由 GOOGLE CLOUD AI 的 Bryan Lim 等人提出的，旨在解决 Transformer 用于时间序 列预测的问题。TFT 是一个泛化性能较好的深度学习模型，能够 处理静态变量（例如行业分类，商店位置等），观测输入变量 （各类自变量输入）以及已知的变量（例如节假日信息等），能 够通过共享权重向量输出特征重要性，并且能够做多步预测且 输出分位数预测值。

模型结果

与传统的 ICIR 加权对比，TFT 模型能够取得更加优异的表现。通 过约束不同的换手率，TFT 策略能够取得与中长期策略近似的换 手率，并且收益以及稳定性也非常优异， TFT(50,1)能够取得年 化 19.57%，超额 15.57%，信息比率 1.74，换手率 4.6 的优异表 现。