人工智能系列之 75：patch 思想用于长时间序列量价选股模型
创建于 更新于
摘要
本报告针对传统GRU模型处理长时间序列量价数据的不足，创新性引入交易日划分的patch思想，构建PatchModel1与PatchModel2，并验证其在15分钟与30分钟频率量价数据的选股效果。研究发现，patch模型在增量信息捕捉上优于GRU，尤其15分钟频率下模型融合显著提升因子预测和年化超额收益。基于改进的全频段融合因子2.0版本，开发中证500和中证1000指数增强组合，展示良好追踪误差控制与高信息比率，彰显AI量化模型在短期选股上的有效性及应用潜力 [page::0][page::2][page::9][page::12][page::13][page::16]
