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
Powered by 股票杠杆炒股平台_杠杆炒股app_网上开户证券公司排名 @2013-2022 RSS地图 HTML地图
Copyright Powered by站群 © 2009-2029 联华证券 版权所有