人工智能50：再探cGAN资产配置

免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 1 证券研究报告 金工 人工智能 50：再探 cGAN 资产配置 华泰研究 研究员 林晓明 SAC No. S0570516010001 SFC No. BPY421 linxiaoming@htsc.com +86-755-82080134 研究员 李子钰 SAC No. S0570519110003 liziyu@htsc.com +86-755-23987436 研究员 何康，PhD SAC No. S0570520080004 SFC No. BRB318 hekang@htsc.com +86-21-28972039 华泰证券 2022 年度投资峰会 cGAN 和传统方法应用于均值方差模型 注：底层资产为沪深 300，中债-国债总财富指数，SGE黄金 9999；回测区间为 2012-01-04 至 2021-10-29 资料来源：Wind，华泰研究 2021 年 11 月 09 日│中国内地 深度研究 系统梳理条件生成对抗网络（cGAN）应用于资产配置的方法论和实证结果 本研究系统梳理条件生成对抗网络（cGAN）应用于资产配置的方法论，并提供相对全面的实证结果。依据预测对象分为收益协方差预测和均值预测两条主线展开。每一条主线内部，依次介绍预测方法、预测准确度评估和实践应用。在国内资产配置、全球资产配置和 A 股板块配置场景下，考察 cGAN在风险预算模型和均值方差模型中的表现。结果表明，cGAN 总体优于基于历史收益和波动率的传统资产配置方法。 cGAN 预测资产收益均值及协方差的核心思想有别于传统资产配置方法 cGAN 预测资产收益均值及协方差的核心思想是：以多资产过去 40 个交易日收益率序列作为条件信息，结合随机数序列，引导 cGAN 模型生成多资产未来 20 个交易日收益率序列，计算 20 日区间收益率及协方差。由于随机数的存在，每次生成结果存在差异。基于 1000 次生成结果，计算收益率均值及协方差均值。cGAN 均值预测有别于传统基于动量方法，协方差预测有别于传统基于历史波动率方法。 cGAN 预测协方差更接近真实协方差，仓位和风险分配更接近理想情形 为评估 cGAN 协方差预测准确度，设计多项衡量预测协方差与真实协方差距离指标，分别为特征值分布、Frobenius 距离和相关矩阵距离。结果表明cGAN 方法预测协方差相比历史波动率方法更接近未来真实协方差。将cGAN 和历史波动率方法分别应用于风险平价模型，比较 1）各资产实际仓位与理想仓位，2）各资产实际风险分配与理想风险分配，结果表明 cGAN在仓位分配和风险分配上均更接近理想情形。 cGAN 预测单资产绝对收益表现不佳，预测多资产相对收益排名表现较好 从基本统计指标和多空回测角度，评估 cGAN 收益均值预测准确度。cGAN使用跨度较短的最新数据进行预测，相比历史收益方法使用跨度较长的历史数据，cGAN 对市场近期变化较敏感，而基于历史收益方法的预测值波动低于 cGAN 预测收益和真实收益。cGAN 预测单资产绝对收益表现不佳，预测多资产相对收益排名表现较好。 多项测试场景表明 cGAN 在获取收益、控制波动和控制回撤方面具有优势 将 cGAN 对收益协方差的预测应用于风险预算模型，将 cGAN 对收益均值及协方差的预测应用于均值方差模型。结果表明，在国内资产配置、全球资产配置以及 A 股板块配置场景下，相比传统的基于历史收益和波动率方法，cGAN 在获取收益、控制波动和控制回撤方面具有稳定优势，夏普比率和Calmar 比率普遍高于传统方法。 风险提示：cGAN 模型的训练结果对随机数种子、超参数较为敏感；模型根据历史规律总结，历史规律可能失效；模型结论基于统计工具得到，在极端情形下或存在解释力不足的风险。 -5%0%5%10%15%0.81.01.21.41.62012-01-042013-01-042014-01-042015-01-042016-01-042017-01-042018-01-042019-01-042020-01-042021-01-04cGAN累计超额收益（右轴）cGAN方法净值传统方法净值 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 2 金工研究 正文目录 研究导读 ....................................................................................................................................................................... 4 前序研究回顾 ........................................................................................................................................................ 4 本文架构................................................................................................................................................................ 6 cGAN 对资产收益协方差的预测 ................................................................................................................................... 7 cGAN 如何预测协方差 .......................................................................................................................................... 7 如何评估 cGAN 协方差预测准确度 ....................................................................................................................... 8 特征值分布 .................................................................................................................................................... 8 Frobenius 距离 .........................