选股因子系列研究（八十六）——深度学习高频因子的特征工程
创建于 更新于
摘要
本报告系统探讨了深度学习高频因子的特征工程流程，包括特征构建、处理、归因及筛选。基于176个分钟级特征构建的深度学习模型展现了稳定的多头选股能力，通过分布调整、去极值和标准化等处理显著提升因子表现。利用积分梯度法进行特征归因，指导特征筛选，动态精选128或64个关键特征进一步提升投资组合表现。因子在中证500和中证1000指数增强组合中实现年化超额收益最高达24.3%，展现了深度学习高频因子的强大应用价值[pidx::0][pidx::4][pidx::6][pidx::10][pidx::13][pidx::16][pidx::17]。
