深度学习框架下高频数据因子挖掘

创建于 2025-07-21T10:47:04.763682+08:00 更新于 2025-07-21T14:05:25.656103+08:00

摘要

本报告基于高频价量数据预处理成日频因子，通过深层全连接神经网络提取选股因子，并采用基于截面回归的特征组合方法进行选股测试。样本外实证显示，深度学习提取特征的平均IC约7.7%，组合模型年化超额收益率在中证500和1000成分股中分别达到26%和42.4%，超额收益夏普比均超过2.9，表明模型具备显著的选股能力且适合实时动态调整[page::0][page::6][page::14][page::19][page::20]

速读内容

深度阅读