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
本报告提出基于可见性图的结构向量法，将沪深300股票日频量价时序转化为复杂网络，通过两阶段注意力循环神经网络(DA-RNN)和跨资产注意力网络(CAAN)预测股票上涨概率。该深度学习模型在选股和择时中表现突出：日频选股因子平均IC0.16，中性化后0.1，日度调仓多头组合年化超额收益95.6%，增强组合年化超额收益46.7%。通过个股信号合成沪深300股指仓位择时策略年化超额收益13.3%，预测准确率64%。多组图结构嵌入特征有效刻画股票潜在属性并实现股票分群，模型预测准确率验证集内达68%。风险提示包含模型基于历史数据可能失效及深度学习策略可解释性较弱等问题 [page::0][page::3][page::7][page::13][page::16][page::21].
