选股因子系列研究（七十七）——改进深度学习高频因子的 9 个尝试
创建于 更新于
摘要
本报告基于深度学习架构构建高频选股因子，系统回顾了九种模型改进尝试。结果显示，引入正交层控制因子相关性、压缩输入特征集合、采用截面标准化、缩短验证集长度及调整预测目标为风险调整超额收益，均可提升因子周度选股能力及组合超额收益；高频特征频率提升、简单环境变量引入、延长训练集和提升模型复杂度效果有限或无提升。相关测试基于中证500增强组合和全市场选股验证，回测周期涵盖2014至2022年，体现了深度学习高频因子的稳定性与实用性 [page::0][page::4][page::6][page::7][page::8][page::9][page::10][page::11][page::12][page::13][page::14][page::15]。
