基本面因子模型的深度学习增强
创建于 更新于
摘要
本报告提出了一种基于深度学习模型对基本面多因子选股模型进行增强的新方法。基本面模型通过盈利、成长和估值三大指标筛选股票，深度学习模型则构建了包含156个特征的七层深层神经网络预测股票未来走势概率。通过两步筛选法，首先基于宽松的基本面条件选出初选股票池，再用深度学习模型对其进行筛选，构建增强模型组合。实证结果显示，增强模型年化收益率显著提升至28.58%，超额收益夏普比率达到1.52，年化换手率控制在9倍左右，表现优于单一基本面模型、深度学习模型及因子加权模型，且在不同基准与交易成本下均具稳健性[page::0][page::3][page::4][page::6][page::8][page::9][page::11][page::12][page::13][page::14][page::15][page::16][page::17][page::18][page::19][page::20][page::21][page::22][page::23]
