深度学习如何利用公募持仓网络优化选股效果？
创建于 更新于
摘要
本报告基于中证1000成分股数据，应用LSTM+MLP深度学习模型预测股票周度收益，通过融合基金持仓网络提取的股票内在属性，实现因子有效性显著提升。基于基金持仓矩阵分解获得股票静态嵌入，结合动态市场偏好因子，模型周度IC由0.038升至0.12，年化多空收益最高达203.4%，纯因子组合年化收益超26%，信息比率提升至7.41。动态内在属性能刻画市场偏好变动，有效增强模型表现与稳定性，为指数增强策略提供超额收益支持，策略容量约10亿元，展现了深度学习与公募持仓网络的有机结合潜力[pidx::0][pidx::5][pidx::10][pidx::13][pidx::14][pidx::15][pidx::16]。
