选股因子系列研究（七十六）——基于深度学习的高频因子挖掘
创建于 更新于
摘要
本文基于上交所逐笔委托数据，构建了以"RNN+NN"为核心框架的深度学习高频因子，使用30分钟级别的164条高频指标序列挖掘周度高频因子。回测发现该因子周均IC约0.08，周度胜率超过80%，选股效果显著且与传统低频因子相关性低。引入该因子对中证500指数增强组合年化超额收益提升至32%，较基础模型提升6%。此外，GRU模型在参数更少且训练更快的条件下，表现与LSTM相当，且在沪深300内单独训练的因子表现更优。本文提出的深度学习高频因子为传统多因子组合带来稳定超额收益，具备较强应用价值与进一步研究潜力[page::0][page::4][page::6][page::8][page::12][page::13]
