华泰金工 | 神经网络多频率因子挖掘模型
创建于 更新于
摘要
本报告围绕神经网络端到端挖掘股票量价数据因子，重点探讨多频率数据融合的模型设计。研究发现，基于15分钟频量价数据的GRU模型可有效提取因子信号，加入注意力机制无明显提升。进而构建日频与15分钟频数据的混合模型，分层测试显示性能显著提升。最终提出基于参数冻结与残差预测的两阶段增量学习模型，在全A股回测中达到最高周度RankIC 10.22%，TOP组合年化超额收益36.36%，显著优于其他模型。基于该模型构建的沪深300、中证500、中证1000和国证2000指数增强组合表现卓越，年化信息比率最高达4.79，显示神经网络多频率因子挖掘模型具备良好应用潜力。但需注意模型随机性及可解释性限制，投资应用应谨慎评估风险 [page::0][page::1][page::2][page::3][page::4][page::5][page::6][page::7][page::8][page::9][page::10][page::11][page::12][page::13][page::14][page::15][page::16]
