机器学习与因子（三）：基于 Transformer 因子挖掘的指增策略
创建于 更新于
摘要
本报告基于Transformer模型深度提取股票日频价量时序特征，构建了集成因子TF_E，展现出样本外20日IC为16.39%、IR为1.68的优异效果。TF_E因子与传统因子相关度低，可显著提升指数增强策略表现，以中证1000指增为例，年化超额收益提升16.42%，最大超额回撤降低1.54%，同时换手率下降，策略更稳健有效，表明Transformer挖掘因子对Alpha挖掘有显著边际贡献 [pidx::0][pidx::6][pidx::8][pidx::9][pidx::12]。
