基本面因子模型的深度学习增强
创建于 更新于
摘要
本报告提出一种基于基本面多因子选股模型的深度学习增强方案，通过先用基本面因子筛选初选股票池，再用深度学习模型进行次级筛选，实现了收益率与换手率的均衡优化。实证显示，增强模型在2011年至2021年3月期间，年化收益率达到28.58%，显著优于单独基本面模型和深度学习模型，且换手率控制在9倍以内，具备较好的交易成本适应性。该增强策略在双边千分之三至千分之五交易费率下均表现优异，且具备较强的年度超额收益稳定性，体现了基本面信息和技术面价量信息的有效融合[page::0][page::14][page::23]
