【AI+HI 系列（5）】CrossGRU-2:基于 Patch 与多尺度时序改进端到端模型
创建于 更新于
摘要
本报告提出了CrossGRU-2模型，通过双分支Patch和交叉注意力机制实现多尺度时序与截面信息的深度交互，提升量价因子挖掘效果。实证显示，在30D、90D及30分钟数据集上，CrossGRU-2的年化超额收益分别达到28.60%、32.01%和23.26%，明显优于基准GRU模型。消融测试表明双分支和截面模块均贡献正向增益，长序列输入配合Patch设计进一步提升了模型表现及训练效率。基于90D数据集的CrossGRU-2在中证1000指数增强组合中实现年化超额收益19.43%，跟踪误差2.83%。模型基于历史回测，存在过拟合及未来有效性风险 [page::0][page::4][page::13][page::15][page::18][page::19]
