行业研究公司研究宏观策略财报招股书会议纪要 Token 低空经济十五五 AIGC 大模型

基于GRU、TCN模型的深度学习因子选股效果研究

2025-07-30 - 国泰海通证券王英杰

本报告研究了基于GRU和TCN模型的深度学习因子在选股中的效果。研究发现，GRU模型在选股效果上略好于TCN+GRU和TCN模型。预测10日收益的模型效果略好于预测5日收益的模型。深度学习因子与低波动、低流动性因子相关性较高，反转因子也有一定相关性，与分钟高频因子、快照因子和基本面因子相关性不高。

报告构建了指数增强选股策略，控制市值行业无暴露，在沪深300、中证500、中证1000和中证2000等指数成分股中进行回测。结果显示，沪深300指数增强策略年化超额收益11.8%，中证500指数增强策略年化超额收益13.6%，中证1000指数增强策略年化超额收益21.7%，中证2000指数增强策略年化超额收益27.1%。允许市值行业适当暴露后，各指数增强策略的超额收益有所下降，但仍保持一定的正收益。

点击免费查看完整报告

基于GRU、TCN模型的深度学习因子选股效果研究

你可能感兴趣

权益配置因子研究 09：基于GRU、TCN模型的深度学习因子选股效果研究

德邦金工机器学习专题之六：基于分钟数据的GRU模型在选股策略中的应用初探

基于分钟数据的GRU模型在选股策略中的应用初探——德邦金工机器学习专题之六

Alpha掘金系列之十二：排序学习对GRU选股模型的增强

权益配置因子研究系列04：基于分钟数据的高频因子选股效果研究

权益配置因子研究系列01：基于PEAD效应的超预期因子选股效果如何

德邦金工机器学习专题之三：基于财务与风格因子的机器学习选股

德邦金工机器学习专题之三：基于财务与风格因子的机器学习选股

第七届挑战赛A3-基于机器学习提升的轮动多因子量化选股模型

基于价量数据的排序学习选股模型