深度学习在指数增强策略上的应用
创建于 更新于
摘要
本报告系统研究了基于深度学习方法的指数增强策略构建，利用深层神经网络对股票未来收益率进行预测，结合结构化风险模型及组合优化技术，有效控制跟踪误差、行业和风格偏离，实现对中证1000、中证500和沪深300指数的稳定超额收益。通过引入交易成本惩罚和换手率约束，实现了换手率的合理控制，保证策略的稳健性及较高信息比。业绩归因分析表明，深度学习模型的Alpha收益贡献显著，且相较传统风格因子拥有更高的收益解释力。实证覆盖2011-2019年，显示深度学习指数增强策略具备良好的可行性和应用前景。[page::0][page::3][page::5][page::9][page::10][page::16][page::19][page::20][page::27]
