市场微观结构系列（32）：深度学习赋能因子挖掘2.0：综合应用方案

开源证券金融工程研究团队发布《深度学习赋能因子挖掘2.0：综合应用方案》，提出升级后的因子挖掘框架，涵盖变量丰富、网络迭代和应用升级三大亮点。

模型框架升级：

1. 变量丰富：引入六大类特征，包括基础行情（PV）、技术指标和K线状态变量（G）、大小单资金流（C）、高频数据降维特征（HF）、遗传算法因子（DP）。
2. 网络迭代：结合GRU和GAT网络，GRU用于挖掘时序信息，GAT用于挖掘截面信息，并通过SA加权融合不同网络结果。
3. 应用升级：拓展至指数增强、多头优选、行业轮动等多个应用领域。

基础行情测试：

• 采用GRU网络挖掘时序信息，GAT网络挖掘截面信息，GRU+GAT_财务模型表现最优。
• 考虑财务指标后，因子10日RankIC达11.7%，多空收益58.9%，多头超额收益24.1%。

多特征集训练：

• G特征集：10日RankIC为11.0%，多空收益59.9%，多头超额收益23.3%。
• C特征集：10日RankIC为10.6%，多空收益56.4%，多头超额收益19.5%。
• HF特征集：10日RankIC为11.6%，多空收益57.5%，多头超额收益19.1%。
• DP特征集：10日RankIC为11.4%，多空收益49.2%，多头超额收益20.3%。

综合深度学习因子ML_C：

• 融合多特征集挖掘结果，ML_C因子10日RankIC达14.2%，在沪深300、中证500、中证1000样本空间中均表现优异。

深度学习应用：

• 多头优选：结合风格轮动，全A优选50只股票年化收益38.52%，中证800+中证1000成分股内优选30只股票年化收益26.18%。
• 行业轮动：自下而上聚合ML_C因子，双周频调仓下RankIC达9.27%，上证50增强超额年化收益4.95%。
• 指数增强：沪深300增强超额年化收益6.77%，中证500增强超额年化收益10.72%，中证1000增强超额年化收益14.41%。