结合基本面和量价特征的GRU模型
创建于 更新于
摘要
本文提出基于GRU神经网络模型，将量价数据与财务信息结合进行高频化处理，验证其对中证1000等指数增强组合的预测能力。经过财务信息简单拼接、调整日频化及精简优化后，GRU模型表现稳定，综合超额年化收益最高达到11.82%，信息比率2.39。叠加基于分钟级数据的barra5d模型进一步提升预测性能，显著改善2024年后表现波动，拓展至沪深300、中证500等多指数增强组合均表现优异。风险提示包括因子失效、模型失效及实盘交易风险。该方法为融合基本面与量价特征的深度学习量化策略提供了有效路径，展示了人工智能在量化投资中的实用价值和潜力 [page::0][page::4][page::9][page::15][page::16][page::20]
