【广发金融工程】精选量化研究系列之八：深度学习框架下高频数据因子挖掘
创建于 更新于
摘要
本报告基于高频价量数据，采用深度学习模型提取日频化因子特征，并通过截面回归进行特征组合选股测试。实证显示，深度学习因子及其组合具备较高的IC值，特征组合模型在中证500及中证1000成分股中均取得显著超额收益，年化超额收益率分别达到26.0%和42.4%，夏普比率分别为2.99和3.37，验证了深度学习在高频因子挖掘中的有效性与优势[page::0][page::4][page::9][page::13][page::14][page::16]
