【广发金融工程】深度学习框架下高频数据因子挖掘
创建于 更新于
摘要
本报告基于深度学习方法，结合高频价量数据构建日频因子，通过7层全连接神经网络提取高阶特征，结合回归模型筛选优质选股因子。样本外测试显示，所提取因子平均信息系数(IC)高达7.7%，基于因子组合构建的多头组合在中证500和中证1000成分股中的年化超额收益率分别达26.0%和42.4%，超额夏普比率分别为2.99和3.37，验证了深度学习在高频因子挖掘中的有效性和应用潜力。未来可探索卷积神经网络和循环神经网络等结构以进一步提升特征表达能力。[page::0][page::4][page::9][page::10][page::13][page::14][page::16]
