基于深度学习的因子优化研究
创建于 更新于
摘要
本报告提出了基于深度相关性模型（DCM）的因子优化方法，通过以最大化IC为目标函数，利用深度神经网络实现非线性映射，有效提升多因子组合的预测能力和选股效果。实证测试表明，DCM策略在2012年至2022年实现了13.01%的年化超额收益和2.57的信息比率，显著优于传统基线模型，尤其在基准策略IC为负时提升效果更为明显。报告还从组合优化理论出发，系统解释了优化IC目标函数的合理性，为深度学习在低频量化策略中的应用提供了新的思路和方法[page::0][page::3][page::8][page::14][page::15][page::22]
