发布日期：2025-03-16 22:49    点击次数：186

今天分享的是：AI+HI系列（7）：DecompGRU：基于趋势分解的时序+截面端到端模型加杠杆炒股

报告共计：20页

《AI+HI系列(7)：DecompGRU：基于趋势分解的时序+截面端到端模型》由华创证券王小川等人撰写。报告聚焦端到端深度因子挖掘模型设计优化，受研究启发，构建了新模型DecompGRU。该模型延续并拓展先前研究思路，通过趋势分解模块将输入的量价时序数据拆分为趋势与残差分量，分别进入双分支进行特征提取，其中趋势分支引入基于去均值处理的截面交互。在150D数据集上，以IC、MSE两种损失函数训练模型，并以GRU模型为对比基线进行测试。在因子测试中，DecompGRU与基线模型最低相关性为0.72，风格倾向有差异，在小市值选股域优势明显；在中证全指20190101-20250228区间内，其10日RankIC为0.13、RankICIR为1.1，20日RankIC为0.141、RankICIR为1.23，均优于基线模型；周度分组测试中，其TOP组年化收益最高达52.82%，较基线提高7.2%，但在300/500选股域整体表现弱于基线。在指增测试方面，基于DecompGRU-MSE构建指增组合，在双边换手30%的约束下，回测区间内300/500/1000指增组合年化超额收益分别为8.48%、11.65%、17.11%，跟踪误差分别为4.8、5.88、6.69。整体而言，DecompGRU在小市值股票池表现较好，在300、500股票池表现较弱，不过在框架流程上有别于基线模型，在风格暴露上提供了更多选择，为后续模型融合研究提供了多样可能 。

展开剩余75%

以下为报告节选内容

发布于：广东省

• 基于
• 系列
• DecompGRU
• AI+HI
• 加杠杆炒股

---