“逐鹿”Alpha专题报告（十七）：基于TiDE及其改进的因子融合模型
创建于 更新于
摘要
本报告介绍了基于Google提出的MLP时序预测模型TiDE，以及作者团队改进后的TiDGE模型。TiDE模型以静态变量、过去已知变量和未来已知协变量为输入，采用线性Encoder-Decoder结构，具备高效性能并在多个数据集上表现优异。原始TiDE模型应用于选股表现一般，通过在Encoder中引入GRU单元发展成为TiDGE模型，明显增强了时序信息处理能力，实现了更优股票收益率预测效果。相关回测结果表明，TiDGE在全A股池内分层选股的年化收益和超额收益显著提升，且控制了风险指标如最大回撤和换手率，展示较好的实用价值。本报告详细阐述了模型结构、样本设计、参数设置及回测分析，为基于深度学习的因子量化模型提供了重要参考 [page::0][page::1][page::7][page::8][page::14][page::16][page::20]
