Attention Factors for Statistical Arbitrage
创建于 更新于
摘要
本文提出了基于Attention机制的条件隐含因子模型，用联合端到端的方式学习可交易的统计套利因子及其交易策略，优化交易成本后的风险调整收益。实证针对美国最大500只股票的24年日度数据，Attention Factor模型实现了超过4的无摩擦夏普比率及2.3的交易成本后夏普比率，显著优于传统两步法PCA模型。模型揭示弱因子在识别价格偏离中的重要性，并通过时间序列卷积捕获复杂动态结构，为统计套利因子构建提供了新范式 [page::0][page::1][page::4][page::5][page::6]
