量价时序特征挖掘模型在深度学习因子中的应用

创建于 2025-07-22T15:16:14.767144+08:00 更新于 2025-11-17T11:54:20.875458+08:00

摘要

本文构建基于GRU深度学习模型的选股因子，结合特征降维自编码AE和特征生成GAN技术，优化量价时序特征表达，有效提升选股效果。GAN_GRU模型表现突出，回测期内多空组合年化收益率达46.64%，最大回撤11.31%，在沪深300及中证1000指数增强策略中均显著优于普通GRU与AE_GRU模型，展现较强的投资价值和实用潜力。模型具备一定计算效率提升空间，风险提示详见报告。

速读内容

深度阅读