周频量价指增模型——因子选股系列之八十一
创建于 更新于
摘要
本报告基于循环神经网络设计多元因子单元，从日线、分钟线及L2三类量价序列数据中学习多个长期有效且低相关的alpha因子，并采用LightGBM动态加权实现因子加权，显著改善因子拥挤引起的非线性失效问题。模型构建的选股因子与传统基本面因子几乎无关，互补性强，top组合近五年年化收益38.7%。基于模型得分构建的中证500与沪深300指数增强组合，在周频调仓且换手率控制下，费后年化对冲收益分别达21.3%和11.2%，体现出量价信号在相对低频量化投资中的实用价值。[page::0][page::3][page::6][page::7][page::8][page::9][page::12][page::13][page::14][page::16]
