銀河金工組合優(yōu)化系列報(bào)告：時(shí)序截面三層深度學(xué)習(xí)模型預(yù)測(cè)收益風(fēng)險(xiǎn)信號(hào).pdf

上傳者：羅***
時(shí)間：2026/06/10
熱度：30
0人點(diǎn)贊
舉報(bào)

本報(bào)告構(gòu)建了一種基于深度學(xué)習(xí)的指數(shù)增強(qiáng)策略框架，旨在解決傳統(tǒng)靜態(tài)因子在風(fēng)格切換時(shí)失效的問題?？蚣軐⒅笖?shù)增強(qiáng)問題拆分為信號(hào)預(yù)測(cè)與組合優(yōu)化兩大環(huán)節(jié)。在信號(hào)預(yù)測(cè)端，報(bào)告構(gòu)建了包含K線形態(tài)、動(dòng)量趨勢(shì)、風(fēng)險(xiǎn)波動(dòng)及量?jī)r(jià)資金等多維特征的體系，并對(duì)不同特征組采用差異化預(yù)處理（G1組保留原始方向，G2/G3組進(jìn)行Z-score標(biāo)準(zhǔn)化）。預(yù)測(cè)模型采用TimeEncoder-GraphSAGE-MLP三重特征提取架構(gòu)：TimeEncoder通過Transformer捕捉時(shí)序長(zhǎng)距離依賴；GraphSAGE通過市場(chǎng)統(tǒng)計(jì)驅(qū)動(dòng)的圖網(wǎng)絡(luò)聚合鄰居節(jié)點(diǎn)信息，識(shí)別截面聯(lián)動(dòng)；MLP輸出超額收益、Sharpe比率和最大回撤三個(gè)多任務(wù)預(yù)測(cè)標(biāo)簽。損失函數(shù)結(jié)合RankIC與MSE，并通過滾動(dòng)訓(xùn)練、早停等機(jī)制優(yōu)化。在組合優(yōu)化端，策略在均值-方差優(yōu)化基礎(chǔ)上，引入個(gè)股倉(cāng)位、跟蹤誤差等硬約束及風(fēng)險(xiǎn)中性懲罰等軟懲罰，將預(yù)測(cè)信號(hào)轉(zhuǎn)化為動(dòng)態(tài)權(quán)重。回測(cè)結(jié)果顯示，該框架在滬深300指數(shù)增強(qiáng)策略中實(shí)現(xiàn)了顯著的年化超額收益，且最大回撤低于基準(zhǔn)；在科創(chuàng)50指數(shù)增強(qiáng)策略中也獲得了正向超額收益，驗(yàn)證了深度學(xué)習(xí)模型在捕捉Alpha和控制風(fēng)險(xiǎn)方面的有效性。其中，最大回撤預(yù)測(cè)效果優(yōu)于Sharpe比率，主要源于風(fēng)險(xiǎn)指標(biāo)較強(qiáng)的自相關(guān)性。