金融工程專題：基于LSTM神經網絡的擇時融合多因子選股策略.pdf
- 上傳者：v*****
- 時間：2025/11/17
- 熱度：102
- 0人點贊
- 舉報
金融工程專題：基于LSTM神經網絡的擇時融合多因子選股策略。本報告提出了一種多維度指數日頻擇時框架，旨在通過倉位擇時優化絕對收益策略和股指期貨策略的績效。框架基于多維度因子體 系，包括80個分析師預期因子、134個資金流因子、43個高頻聚合低頻特征，以及2020年后引入的深度學習因子（涵蓋日頻LSTM 模型和高頻分時數據LSTM模型）。
深度學習因子預測框架以未來一天收益為目標，利用日度和分時數據捕捉隔夜信號，并采用改進的MADL損失函數進行方向判斷。 通過信號融合將三類基礎因子與兩類深度學習因子聚合，形成最終擇時信號，回測結果顯示多空策略年化收益達46%（夏普比率 2.37），僅多頭策略年化收益23%。此外，策略進一步融合選股模型以增強收益結構。本框架驗證了倉位擇時的可行性和有效性， 為量化投資提供了穩健的解決方案。
免責聲明：本文 / 資料由用戶個人上傳，平臺僅提供信息存儲服務，如有侵權請聯系刪除。
- 相關標簽
- 相關專題
熱門下載
- 全部熱門
- 本年熱門
- 本季熱門
- A股量化擇時研究報告：關注基本面趨勢策略.pdf 727 6積分
- 多因子選股系列研究報告：個股日內成交量分布特征與日內流動性彈性刻畫.pdf 378 6積分
- A股量化擇時研究報告：上證指數3200需要消化.pdf 352 6積分
- 多因子選股系列研究之二十四：個股日內成交量周期性節奏刻畫與“滴水穿石”因子構建.pdf 349 5積分
- 金融行業-量化分析報告：擇時雷達六面圖，估值面已到滿分.pdf 344 6積分
- 金融工程策略研究：基于市場相關性的擇時策略研究.pdf 264 11積分
- 利用ETF資金流入構造指數擇時策略.pdf 223 6積分
- 金工深度研究：A股擇時之技術打分體系.pdf 209 4積分
- 多因子選股周報：質量因子表現出色，滬深300增強組合年內超額19.95％.pdf 171 6積分
- 風格因子輪動系列專題報告：流動性視角下的市值風格輪動和擇時策略.pdf 169 6積分
- 多因子選股系列研究報告：個股日內成交量分布特征與日內流動性彈性刻畫.pdf 378 6積分
- 多因子選股系列研究之二十四：個股日內成交量周期性節奏刻畫與“滴水穿石”因子構建.pdf 349 5積分
- 金工深度研究：A股擇時之技術打分體系.pdf 209 4積分
- 多因子選股周報：質量因子表現出色，滬深300增強組合年內超額19.95％.pdf 171 6積分
- 風格因子輪動系列專題報告：流動性視角下的市值風格輪動和擇時策略.pdf 169 6積分
- 中銀量化絕對收益系列專題：宏觀因子資產化框架下的國債期貨擇時策略.pdf 151 4積分
- 量化投資組合管理研究系列之（九）：熱潮下的冷思考，估值、擁擠度與資金博弈的量化擇時.pdf 143 4積分
- 基于隱馬爾科夫鏈與動態調制的量化擇時方案.pdf 140 5積分
- 金融工程專題：基于LSTM神經網絡的擇時融合多因子選股策略.pdf 103 6積分
- 電力設備行業產業周跟蹤：光伏大會聚焦高質量發展，風電海上海外項目進展順利.pdf 78 6積分
- 沒有相關內容
