选股因子系列研究（八十六）——深度学习高频因子的特征工程
创建于 更新于
摘要
本报告围绕深度学习高频因子的特征工程展开，系统讨论了特征构建、处理（偏度调整、极值处理、标准化）、归因（积分梯度法），及动态特征筛选方法。实证检验表明，特征筛选能显著提升高频因子的选股表现，并将其应用于中证500和中证1000指数增强策略中，获得年化超额收益率最高超17%和24%，且风险指标良好，为指数增强策略提供了有效支持 [page::0][page::4][page::6][page::10][page::13][page::15][page::17]
