AlphaCY 系统优化系列报告 （一）──引入多时间维度特征对市场短期状态分类优化
创建于 更新于
摘要
本报告基于深度学习优化了股票市场短期状态分类模型，通过引入日、周、60分钟多时间维度价量特征及改进卷积网络结构，显著提升个股状态预测准确度至60%以上。利用NT和GAF两种时间序列转换方法，揭示模型内部卷积核对短期价量特征的捕捉能力。基于预测的市场状态构建简单择时策略，回测结果显示在沪深300、宁德时代、债券及可转债等多资产上均实现超额收益，证明方法有效性和广泛应用潜力[page::0][page::5][page::7][page::11][page::14][page::17]。
