深度学习揭秘系列之一：基于量价与基本面结合的深度学习选股策略
创建于 更新于
摘要
本报告基于深度学习尤其全连接神经网络模型（MLP），结合量价因子Alpha158及基本面因子，开展股票收益率预测研究。结果表明，MLP在量价因子上的非线性组合显著优于线性Lasso模型，5日RankIC提升1.82pct，多头超额收益提升9.42pct，且分支网络端到端结合量价与基本面因子后进一步提升预测效果。基于混频策略结合短期5日和长期20日收益预测，构建主动量化组合，取得显著超额收益与较好风险调整表现。中证1000指增策略显示年化超额收益13.17%，信息比率3.56，验证了模型在指数增强中的有效性。风险提示模型可能因市场环境变化失效 [page::1][page::22][page::37][page::41][page::43]
