基于深度学习的高频数据因子挖掘

创建于 2025-04-30T14:28:10.190205+08:00 更新于 2025-05-19T18:36:19.888561+08:00

摘要

本报告利用深度学习技术，在将高频价量数据低频化后，采用7层全连接神经网络模型提取股票特征，共获得32个深度学习因子。实证结果显示，hf18因子在创业板股票池多头年化收益率达27.25%，超越创业板指数25.50%；hf13因子在中证1000股票池多头年化收益率为11.25%，超越指数7.24%。这些因子体现出较强的独立性和选股能力，显示深度学习在高频数据因子挖掘中的有效性与优势[page::0][page::7][page::21]

速读内容

深度阅读