【浙商金工】机器学习与因子（二）: Transformer特征工程算法测评
创建于 更新于
摘要
本文基于Transformer算法，构建了金融时间序列特征工程模型，利用多维因子对股票次月收益进行回归预测。通过样本内外测试（包括中证1000、中证500、沪深300及全市场多支股票池），模型能稳定筛选超额回报的股票组合，最大化利用了位置编码信息和适当时间步长，避免过拟合。尽管Transformer在自然语言处理领域表现优异，但在本报告的月频样本环境下，与多种传统机器学习模型相比未显示明显优势，提示金融序列数据和样本量对Transformer模型适用性的限制。未来可通过提高数据频率和深化金融特征挖掘来优化性能 [page::0][page::8][page::9][page::12][page::19]
