基于逐笔成交的深度学习选股模型
创建于 更新于
摘要
本报告围绕逐笔成交数据的深度学习选股方法展开研究，从资金流和事件驱动两个维度构建特征，并通过 Transformer 学习跨时间、跨 K 线及跨事件的注意力规律。研究表明，融合因子在2017年至2025年6月的回测中取得10.96%的周度RankIC和24.52%的多头年化超额收益；用于中证1000指数增强时，年化超额收益率为19.92%、信息比率为4.04，但模型仍面临微观结构变化、训练复杂度和过拟合等风险。[page::0][page::12][page::14]
