选股因子系列研究（八十七）——高频与日度量价数据混合的深度学习因子
创建于 更新于
摘要
本报告基于26个日频特征与64个60分钟高频特征构建混频深度学习模型，显著提升了因子的周频选股能力，周均IC达到0.10，TOP 10%组合年化超额收益达30%以上。通过实际应用于中证500及1000指数增强组合，年化超额收益分别可达16%-25%。此外，利用正交层生成多个相互正交因子集，拓展深度学习模型在量价因子挖掘中的应用潜力。报告详细对比了混频训练与传统线性加权方法、不同调仓周期及风险控制参数对因子表现和策略绩效的影响，数据充分支持投资应用的有效性和稳健性[page::0][page::4][page::6][page::8][page::10][page::13][page::15]。
