股指策略系列七：基于日频和分钟频特征的LSTM模型在股指期货择时中的探索

长短期记忆网络（LSTM）模型在股指期货择时中的应用探索

核心观点
本报告探讨了基于日频和分钟频特征的LSTM模型在股指期货择时中的应用价值，构建了单通道LSTM模型（基于日频特征）和双通道LSTM模型（基于日频和分钟频特征融合），旨在提供新的择时思路并验证深度学习在捕捉市场非线性规律上的优势。

模型设计

1. 单通道LSTM模型：仅输入日频特征，通过遗忘门、输入门和输出门动态调整记忆周期，捕捉长期依赖关系。
2. 双通道LSTM模型：分别处理日频和分钟频数据，通过拼接两个LSTM模型的最后一个隐藏状态进行特征融合，最终输出预测收益。

特征筛选

• 将特征分为三类：优秀日频特征（已验证）、普通日频特征（滚动标准化后筛选）、分钟频特征（基础量价数据）。
• 优秀日频特征直接输入模型，普通日频特征和分钟频特征分别通过独立LSTM层处理。

回测设置

• 目标变量：股指期货日频收益率（open to open）。
• 回测区间：2016年1月4日至2025年5月8日。
• 调仓频率：日频，持有多空单至信号改变。
• 杠杆：1倍，手续费双边万二。
• 训练集与测试集比例：80%/20%，样本外测试验证模型泛化能力。

回测结果

• IH（上证50）：双通道模型样本外表现更稳定（夏普比率1.10，年化收益11.17%），单通道模型样本外存在过拟合。
• IF（沪深300）：单通道和双通道模型样本外均稳健（夏普比率1.12以上，年化收益16%-20%）。
• IC（中证500）：单通道模型样本内外表现优异（样本外夏普比率0.95，年化收益17.18%），双通道模型样本外过拟合。

研究结论

• 日频单通道LSTM模型在IF和IC上表现突出，通过门控机制动态区分短期噪声与长期信号，优于传统技术指标。
• 双通道模型在IH上有效，但引入分钟频数据需警惕过拟合（IC样本外表现较差），高频特征与日频目标的适配性需谨慎评估。
• LSTM模型在日频预测中存在过拟合风险，需平衡模型复杂度与泛化能力，未来可结合注意力机制、宏观指标或置信度筛选提升策略效果。