机器学习与因子（三）：基于 Transformer 因子挖掘的指增策略
创建于 更新于
摘要
本报告通过引入基于Transformer架构的因子挖掘方法，有效提取股票时序价量特征，构建TF_E因子。该因子在样本外20日IC达16.39%，IR为1.68，且与传统因子相关性低，能显著提升中证1000、沪深300和中证500等多策略的年化超额收益与信息比率，回撤得到有效控制，换手率降低，体现出强稳健的差异化Alpha收益特性，适合用作指数增强策略的补充 [page::0][page::4][page::5][page::6][page::7][page::8][page::9][page::11]。
