【银河金工马普凡】时序截面三层深度学习模型预测收益风险信号银河金工组合优化系列报告
创建于 更新于
摘要
本报告提出一个基于深度学习的指数增强框架，直接预测个股收益风险信号，并通过硬约束与软惩罚的组合优化实现动态权重配置，涵盖原始数据输入、数据清洗与标签构造、K线衍生特征工程、时序编码、截面图网络聚合、多标签预测、组合优化、回测执行与评估等八个环节 [page::1][page::2]。TimeEncoder-GraphSAGE-MLP三层特征提取模型在时间与截面维度同时学习，结合RankIC与MSE的加权损失提升预测稳健性 [page::3][page::6]。回测结果显示，框架在沪深300与科创50两大宽基指数上分别实现显著的年化收益率与超额收益，并在风险指标方面优于基准，证明信号预测与优化组合的有效性和稳健性（区间覆盖2020–2026年，Wind数据源） [page::18][page::20]。
