基于可见性图嵌入的沪深 300 深度学习增强策略
创建于 更新于
摘要
本报告基于可见性图将沪深300股票的价量时序数据转化为复杂网络，通过结构向量法提取图结构嵌入特征，结合节点权重CI，用二阶段注意力循环神经网络(DA-RNN)与跨资产注意力网络(CAAN)构建深度学习预测模型，准确预测股票日度涨跌概率。模型在沪深300成分股中实现了68%预测准确率，构造的struc_learning因子日度IC均值0.16，年化多头组合收益超95%，信息比率8.0，增强组合年化超额收益46.7%。此外，基于个股信号合成的沪深300指数择时策略年化超额收益达13.3%，信息比率1.47，预测胜率64%。该方法有效捕捉了股票潜在属性及股票间相关性，为量化选股和择时提供了新思路 [pidx::0][pidx::2][pidx::3][pidx::7][pidx::12][pidx::13][pidx::21]
