国债期货量化系列四：基于多种深度学习模型的策略框架探讨
创建于 更新于
摘要
本报告围绕国债期货的多品种量化策略框架，以深度学习模型（自编码器、LSTM、GRU、CNN）的仓位预测为核心，比较了PCA与SAE两种降维方法对模型表现的影响，创新采用自定义夏普损失函数优化模型。最终提出多品种混合策略，覆盖十年期、五年期国债期货及价差品种，实现目标收益波动率控制，回测结果显示混合策略在不同杠杆倍数下夏普比率显著优于业绩基准，净值曲线平稳，具备较强的风险调整收益能力[pidx::0][pidx::27][pidx::28][pidx::29]。
