Press "Enter" to skip to content

基于图神经网络、图谱型数据的收益预测模型(附代码)

本站内容均来自兴趣收集,如不慎侵害的您的相关权益,请留言告知,我们将尽快删除.谢谢.

前言

 

传统的股价预测的时许模型,对于收益率的假设往往不切实际,而最近兴起的机器学习模型,特别是深度学习模型对于股价的预测也存在着明显的问题:

 

大多数文献中,都直接预测股价或者是收益率,并没有考虑股票之间的排序。

 

每只股票的序列单独输入模型中,并不能考虑股票或公司间多维度的信息:比如供应关系和产业关系。

 

为了解决以上问题,作者提出了一个新的框架:Relational Stock Ranking(RSR)。这个框架主要由两个创新:

 

损失函数新增了关系股票收益排序的惩罚项,使模型能够顾及股票收益间的排序(Rank)。

 

结合了时间图神经网络,使模型能够结合股票间的关系型数据,如行业属性、上下游、股权信息等。

 

RELATIONAL STOCK RANKING(RSR)

 

RSR总共包含三层,分别是基于序列数据应用序列神经网络模型的Sequential Embedding Layer, 基于关系型数据应用图神经网络的Relational Embedding Layer, 和最终给出收益预测结果的Prediction Layer。如下图所示:

 

 

 

Sequential Embedding Layer

 

股票过去的价格变动对于未来的变化有明显的影响,所以整个框架的第一层采用序列模型去捕获股价序列间的依赖信息。RNN在最近的文献中,都有出色的表现。所以作者选用的RNN最为第一层的模型。更具体的,作者采用了LSTM,因为它能保留序列的长期记忆。并以LSTM的模型结果作为下一层的输入。(LSTM的输入为股价的历史序列X_t)

 

Relational Embedding Layer

 

这一层主要考虑股票之间的关系型数据,作者在模型中加入了两类关系型数据:

 

行业属性:两个公司是否属于同一个行业或板块,如果属于同一行业,那幺两个公司之间的基本业务应该类似,股价的表现也应该有相似的趋势,如图2a中,MSFT和GOOGL的股价。

 

供应链关系:如果两家公司属于供应链的上下游,即一家公司是另一家的客户(或供应商),那幺他们之间的股价的变动应该有传导效应。如图2b中,Apple的供应商LENS在AAPL发布iphone8之后,股价开始上涨。

 

 

为了使RSR能够加入这些关系型的数据,作者采用了Temporal Graph Convolution(TGC)算法,将关系型的图谱数据与第一层的输出进行结合,作为第三层的输入。关于TGC,下一节会详细介绍。

 

Prediction Layer

 

最终将第二层的输入用于股票收益率的预测,这里的损失函数定义为:

 

其中分别是股票的预测收益率和实际收益率。这个损失函数中,第一项为了是预测的收益误差越小越好理解。第二项,为了股票间的相对顺序与真实情况比,误差越小越好。

 

Temporal Graph Convolution

 

给定N个股票的序列特征(sequential embeddings)和多维度的二元关系,TGC的主要任务是基于二元关系,重新学习N个股票的序列特征。传统的图神经网络没有考虑关系的动态变化,对于所有时间中,每个点(Vertex)的影响性都用固定的方式计算,比如如下考虑关系重要性作为权重的特征计算:

 

其中,为股票,使用网络关系,整合其他与之相关的股票,而重新生成的特征,为A关系张量中与股票i有关系的股票的数量,为股票与股票的关系,函数用于度量关系的强弱。可以看到,这里的函数是固定不变的,并没有考虑不同时间的序列特征,作者做了如下改进,将t时刻的股票的序列特征也考虑在关系强度函数中:

 

此时,关系强弱函数g的定义就关系到了TGC的具体表现,作者给出了显性模型和隐性模型两种定义:

 

显性 ,其中为激活函数,为参数。也就是说,关系的强弱,取决于第一项,两个股票当前时间的相似性,和第二项两者关系的重要。这两项的乘积决定了关系强弱。因为这两项都能清楚的解释,所以称为显性模型。

 

隐性 ,如果把序列特征及关系都放到激活函数内部,则称为隐性模型。

 

实证

 

作者选取了NASDAQ和NYSE从2013年1月2日至2017年12月8日的数据,经过以下条件的过滤:

 

在此区间,98%的时间正常交易

 

股价从未低于5美元

 

分别在NASDAQ选取了1026只股票,在NYSE选取了1737只股票,获取了日度价格数据。并把测试时间分为了3个不同的阶段,如下表所示:

 

 

除了价格数据,还有股票的关系数据,包括行业属性数据及关系数据(总计42中关系),覆盖度如下:

 

 

关系型数据,主要分为,如图4表示:

 

一阶关系:两者直接相关

 

二阶关系:两者分别和第三者相关

 

 

回测设定

 

在2017/01/03至2017/12/08的测试区间,回测的设定如下:

 

买入预测收益最高的股票,日度换仓,收盘买卖

 

每次固定50,000美元的持仓规模

 

交易成本为0,假设全部成交

 

用于对比的其他模型

 

SFM:首先将历史价格数据进行离散傅里叶变换,再输入到LSTM模型中进行预测。参考Liheng 2017;

 

LSTM:基于历史收盘价及5、10、20和30均线的LSTM模型;

 

RANK_LSTM:RSR中去除Relational Embedding Layer后的模型;

 

Graph-base Ranking(GBR):RANK_LSTM的损失函数增加图惩罚项;

 

GCN:RSR的第二层采用GCN;

 

RSR_E:RSR中的关系强弱函数g,用显性模型;

 

RSR_I:RSR中的关系强弱函数g,用隐性模型。

 

衡量模型效果的指标有:

 

Mean Square Error (MSE),越小越好;

 

Mean Reciprocal Rank(MRR):是一个国际上通用的对搜索算法进行评价的机制,即第一个结果匹配,分数为1,第二个匹配分数为0.5,第n个匹配分数为1/n,如果没有匹配的句子分数为0。总之,越大越好。

 

the cumulative investment return ratio (IRR):越大越好。

 

最关心的问题

 

1、将股票的价格预测问题变成一个收益预测的任务,效果怎幺样?相比当下热门的算法,RSR有没 有优势?

 

 

以IRR指标衡量,Rank_LSTM的效果比SFM和LSTM好很多,说明基于股票排序的学习比直接预测收益率,效果更优。这对我们研究更先进的排序学习算法(Learning-to-rank)有了信心。

 

但在MRR指标上,在NYSE市场,Rank_LSTM的表现差于SFM,可能是因为损失函数及考虑了绝对预测的准确性,又考虑了相对排序的准确性,从而降低了模型的稳定性。

 

图5给出了三个模型的累计收益曲线,可以看出仅仅买入一只股票的收益波动还是很大的,模型的表现不够稳定。

 

 

2、股票间的关系数据能否提高神经网络模型的效果?文中提出的TGC与卷积图神经网络算法GCN相比有效性怎幺样?

 

 

表6的测试中,关系型数据仅仅使用了行业属性数据:

 

加入行业属性的数据后,在NYSE的表现比NASDAQ的表现更好,可能是因为NASDAQ的股票波动更大,更受短期因素的影响;

 

在NYSE,所有加入图关系数据的模型的IRR都比Rank_LSTM来的好,说明关系型数据能增强模型的表现;

 

RSR_E,RSR_I的表现优于GCN和GBR。说明,TGC相比GCN的效果更佳。

 

 

如表7所示,在考虑Wiki关系型数据后,RSR_E和RSR_I在两个市场的IRR都是最高的。下表展示了,Wiki关系型数据中最重要的5个关系, 其中P1056_P1056表示两个公司是否生产同一种产品,这个关系是最重要的,也是公司的产业链关系,可以用产业图谱表示。

 

 

总结

 

前段时间,JPM有很多文章介绍Learning-to-rank的算法,本篇文章虽然没有之间采用Learning-to-rank的算法,但在损失函数设计中巧妙的考虑了股票间的排序。

 

产业链、供应链等图谱型数据,日益成为大家关注的数据类型,但很多机构并没有想好怎幺用这类数据?传统基于量价的深度学习模型,结合基于图谱类数据的图神经网络,给这类数据的应用指明了一条可探索的道路。

 

资源

 

作者在github上开源了论文的代码,心急的小伙伴尽快尝鲜:

 

https://github.com/fulifeng/Temporal_Relational_Stock_Ranking

 

Be First to Comment

发表评论

您的电子邮箱地址不会被公开。 必填项已用*标注