AI+HI 系列（3）：人工智能在选股与 ETF轮动上应用
创建于 更新于
摘要
本报告重点研究了基于多时序深度学习模型集成的量价因子在A股选股和ETF轮动上的应用。通过GRU、PatchTST、Transformer、TSMixer与ModernTCN模型的融合，构建Ensemble_factor，显著提升了IC均值与稳定性。该集成因子在全A、宽基指数、风格池及基金重仓股均表现出优秀的因子区分度和分组收益能力，并基于该因子实现选股及ETF轮动策略，长期超额收益显著，ETF轮动策略年化收益率达11.7%（宽基类）和16%（行业主题类），均优于沪深300基准，展现出人工智能在量化投资领域的有效应用与潜力，为投资者提供了创新量化工具及方法论 [page::0][page::5][page::10][page::12][page::20][page::27][page::29]
