量化策略演進手記系列之三：GRU選股模型的時序分域探索.pdf

上傳者：2******
時間：2026/07/15
熱度：28
0人點贊
舉報

本報告探討了GRU選股模型在A股市場的表現，并重點分析了時序分域訓練方法對策略有效性的提升作用。報告首先構建了基于基礎量價數據的統一GRU模型，發現其在樣本外區間內展現出較穩定的截面排序能力，多頭和多空組合均體現有效性，但在不同年份和市場環境下存在衰減，且中小市值股票池中的區分能力相對強于大盤股。為解決統一模型在不同市場狀態下表現波動的問題，報告引入了宏觀狀態、趨勢震蕩、市場流動性、全市場波動率、行業分離度等時間序列變量構建分域GRU模型。實證結果顯示，不同切分方法的表現有所差異，宏觀狀態和趨勢震蕩狀態兩種分域效果最明顯。宏觀分域下，經濟上行、下行階段分別訓練模型后，兩種環境下的IC和收益都有改善，上行期改善相對明顯，且滬深300、中證500股票池的改善情況優于中證1000。趨勢震蕩狀態分域中，震蕩狀態GRU模型的改善更加明顯，能有效提升收益并降低回撤。其他市場變量中，高波動環境和行業分離度偏弱時改善更明顯，但行業分離度分域也帶來了回撤擴大的風險。此外，將統一模型、宏觀分域、趨勢狀態分域三種方法的因子值加入指數增強模型后，兩種分域模型均對滬深300和中證500指數增強的表現有明顯的增量貢獻。報告最后指出，現有分域方法存在單一硬切分的局限，后續研究可轉向更一般的機制轉換或動態模型混合框架。