機器學習應用系列：強化學習驅動下的解耦時序對比選股模型.pdf

機器學習應用系列：強化學習驅動下的解耦時序對比選股模型。本報告提出了一種基于強化學習的解耦時序對比模型（DTLC_RL），該模型 通過特征空間解耦、對比學習表征增強以及正交約束保障獨立性以及強化學習 動態融合，構建了一個兼具深度學習非線性預測能力與良好可解釋性的選股框 架。在模型設計中，我們分別構建了面向市場系統風險（β空間）、個股特異 特征（α空間）和個股基本面信息（θ空間）的編碼器，并通過對比學習與正 交約束提升各空間表征的區分度與互補性。在此基礎上，引入強化學習近端策 略優化（PPO）算法以實現自適應調整各空間權重。

空間編碼器構建：本文以時間卷積網絡 TCN作為 beta空間特征的編碼器，以 多尺度 Transformer 模型作為 Alpha空間編碼器，以門控殘差 MLP 作為 Theta 空間編碼器。對各個空間分別進行收益預測訓練，各空間編碼器均能有效提取 目標信息，且生成因子具備一定選股能力。自 2019年 1月至 2025年 11月， Beta_TCN、Alpha_Transformer、Theta_ResMLP 因子 IC 分別為 0.0954、 0.1128、0.0485，多頭組合前 10%年化收益率分別為 27.73%、32.66%以及 23.88%。除此之外，各空間訓練得到的因子彼此間相關性較低且具備一定互 補性，為后續多空間融合奠定一定基礎。

融合模型對照組實驗：本文分別測試了兩類空間融合對照組實驗：1）直接對 三個空間訓練出的因子進行等權求和；2）將三個空間的編碼信息進行合并， 并通過單層線性層進行處理并接入預測頭進行收益率預測。自 2019年 1月至 2025 年 11 月，DTLC 等權融合模型因子月平均 IC 為 0.1202，多頭組合（前 10%）年化收益率 32.46%；線性融合 DTLC 模型因子月平均 IC 為 0.1239， 多頭組合年化收益率 32.95%。

強化學習驅動空間融合：本文引入強化學習來實現空間的動態復權融合，即在 DTLC 模型的三個編碼器后引入強化學習動態復權的空間融合機制。該部分將 三個子空間編碼與市場環境特征共同輸入策略網絡，通過近端策略優化（PPO） 算法動態生成空間權重，實現自適應加權融合，最終通過預測頭輸出未來收益 率預測。自 2019年 1月至 2025年 11月，DTLC_RL 因子月平均 IC為 0.1250， 多頭組合年化收益率 34.77%，顯著優于 DTLC_Linear 多頭表現。可見強化學 習空間融合機制的加入使得因子性能有所提升。

指數增強測試：自 2019 年 1月至 2025 年 11月，DTLC_RL 因子滬深 300指 數增強相對指數年化超額收益率 13.72%，近一個月、三個月、一年、三年超 額收益率分別為-0.87%、1.53%、14.99%以及 12.58%；DTLC_RL 因子中證 1000 指數增強相對指數年化超額收益率 20.37%，近一個月、三個月、一年、 三年超額收益率分別為 3.00%、4.52%、19.67%以及 13.76%。