多因子量化投资模型：量化投资策略多层感知器MLP

多因子量化投资模型：量化投资策略多层感知器MLP

感知器（Perceptron）是ANN人工神经网络的一个概念，由Frank Rosenblatt于1950s第一次引入。单层感知器（Single Layer Perceptron）是最简单的ANN人工神经网络。它包含输入层和输出层，而输入层和输出层是直接相连的。单层感知器仅能处理线性问题，不能处理非线性问题。MLP多层感知器是一种前向结构的ANN人工神经网络 多层感知器（MLP）能够处理非线性可分离的问题。

按照《量化投资策略：多因子到人工智能》课程源码中的步骤，搭建深度学习模型，选择MLP算法。构建包括特征和标签提取、特征预处理、样本内训练、交叉验证和样本外测试等步骤。最终在每个月底可以产生对全部个股下期上涨概率的预测值，然后根据正确率、AUC 等指标以及策略回测结果对模型进行评价。我们的模型设置为月频换仓，为了让模型及时学习到市场特征的变化并兼顾计算效率，我们采用了滚动回测方法，即从 2019年1月开始，每月底重新构建一次模型，在下一月进行测试。我们还根据模型的预测结果构建了沪深300成份内选股和中证500成份内选股策略，通过年化收益率、夏普比率、最大回撤等指标综合评价策略效果。

截至2022年2月28，中证500指数增强收益270%，同期指数60%，超额210%，夏普比率1.56，最大回撤29%。3月份回撤也很小，是个不错的策略

截至2022年2月28，沪深300指数增强收益85%，同期指数50%，超额35%，夏普比率0.89，最大回撤36%。