多模型、多数据、多跨度融合的深度学习GRU因子
创建于 更新于
摘要
本文基于GRU模型，结合多模型结构、多类型数据及多时间跨度进行融合，显著提升股票收益预测准确性和稳定性。通过资金流、分钟频及衍生高频三类数据驱动36个深度学习因子再融合，融合因子10日Rank IC达到0.131，ICIR为1.216。在沪深300、中证500及中证1000指数增强组合构建中，分别实现了12.9%、15.2%和21.7%的年化超额收益，风险可控。2024年上半年因市场波动及风格转变，融合因子表现受到影响，但严格风险管理下仍能实现超额收益，表明深度学习因子的alpha存在，beta风险需重点关注。本报告详细阐述了模型结构、数据处理、回测结果及风险提示[page::0][page::11][page::19]
