华泰金工 | 如何捕捉长时间序列量价数据的规律
创建于 更新于
摘要
本报告针对传统GRU模型处理长序列量价数据时存在的信息遗忘及周期性捕捉不足，创新引入patch思想，将股票长时间序列按交易日划分为多个patch，设计PatchModel1和PatchModel2，分别从日内和日间时序差异化建模。实验选取15分钟频量价数据和30分钟频量价特征数据两个场景，结果显示Patch模型具有明显增量信息，融合模型优于单一GRU模型。基于此，改进全频段融合因子，回测期内各项指标显著提升，并成功构建了基于改良因子的指数增强组合，展现出优异的年化超额收益率及信息比率表现[page::0][page::1][page::9][page::10][page::11][page::12][page::13][page::14]
