基于残差网络的端到端因子挖掘模型
创建于 更新于
摘要
本报告提出基于残差网络（ResNet）的两阶段端到端因子挖掘模型，利用数据图片结合ResNet截面特征提取和RNN时序特征提取方法，捕捉长周期量价信息。模型以半小时和周度k线数据为输入，较传统人工构建特征提升因子选股能力。结合非线性加权打分，模型在沪深300、中证500、中证1000等宽基指数增强策略中实现显著年化超额收益，且换手率适中，具备良好替代性和增量效果。回测显示，长时序数据（week数据集）能有效提高未来收益预测能力，且端到端输入方式缓解了信息丢失和过拟合问题，适合大规模指数增强投资应用 [page::0][page::3][page::6][page::7][page::9][page::11][page::15]
