深度学习新进展：Alpha 因子再挖掘
创建于 更新于
摘要
本报告系统介绍了深度学习技术在量化选股中的最新应用，以深度学习预测模型挖掘Alpha因子，构建月度调仓选股策略。模型以156个股票因子为输入，采用5层隐层深层神经网络结构，选股预测准确率显著高于随机预测。实证显示，策略以中证500指数对冲后，样本外年化收益率达20.3%，最大回撤-4.77%，月度胜率88.0%。深度学习选股因子与传统风格因子相关性较低，具备独立的Alpha价值。模型更新提升策略表现。报告重点讨论了ReLU激活函数、Dropout技术、Batch Normalization等深度学习核心技术对模型性能的提升作用，为量化领域AI策略研发提供指导 [page::0][page::4][page::15][page::20][page::26]
