报告导读：除开直接使用深度学习模型得到股票预期收益之外，通过将需要使用的收益因子加入正交层当中，可以得到与现有收益因子低相关，但依然具有良好选股效果的深度学习因子。从而在后续使用中，方便对于因子权重的人工调整。
将收益因子加入正交层，可以使得同源深度因子在保证选股效果前提下，与正交层收益因子低相关：深度学习模型有黑盒化的特征，当市场出现剧烈风格转换时，很难通过人工的方法对于模型进行干预，手工改变不同因子的权重。而通过将收益因子加入深度学习模型正交层，可以在保障深度因子选股效果的同时，降低深度因子与正交层中收益因子相关性，防止在构建手工多因子组合时，深度因子与同源其他手工收益因子的多重共线性问题。
在正交层放入其他同源收益因子后，深度因子依然有非常良好的选股效果：无论是以Rank MAE还是IC
为Loss函数，将以高频量价，低频量价手工构建的收益因子放入正交层后，深度因子依然具有0.02以上的IC以及6以上的IC IR，其在全市场中依然有一定的选股效果。将深度因子与手工收益因子放在一起构建多因子组合时，与不放入深度因子相比，其全市场多头组合有明显的改善，但在不同指数增强组合中提升效果会有所波动。
正交层放入收益因子后，深度因子与多粒度因子相关性依然较低，共同构建全市场多头组合相比较单独使用多粒度因子有更好的表现：正交层放入收益因子后，深度因子与多粒度因子依然有较低的相关性，高频数据作为输入的深度因子与多粒度因子相关性不超过0.01，将深度因子与多粒度因子共同使用可以明显提全市场纯多头组合的表现，但受限于深度学习因子对于偏中、大市值股票收益预测能力的不足，对于指数增强组合改善效果并不明显。
风险提示。市场系统性风险、海外市场波动风险、模型误设风险。
文章来源
本文摘自：2025年5月14日发布的 深度学习如何提升手工量价因子表现
郑雅斌，资格证书编号：S0880525040105
余浩淼，资格证书编号：S0880525040013
更多国泰海通研究和服务
亦可联系对口销售获取
重要提醒
本订阅号所载内容仅面向国泰海通证券研究服务签约客户。因本资料暂时无法设置访问限制，根据《证券期货投资者适当性管理办法》的要求，若您并非国泰海通证券研究服务签约客户，为保证服务质量、控制投资风险，还请取消关注，请勿订阅、接收或使用本订阅号中的任何信息。我们对由此给您造成的不便表示诚挚歉意，非常感谢您的理解与配合！如有任何疑问，敬请按照文末联系方式与我们联系。
法律声明
本公众订阅号(微信号: GTHT RESEARCH )为国泰海通证券股份有限公司(以下简称“国泰海通证券”) 研究所依法设立、独立运营的唯一官方订阅号。其他机构或个人在微信平台上以国泰海通研究所名义注册的，或含有“国泰海通研究"，或含有与国泰海通证券研究所品牌名称相关信息的其他订阅号均不是国泰海通证券研究所官方订阅号。
本订阅号不是国泰海通证券研究报告发布平台，本订阅号所载内容均来自于国泰海通证券研究所已正式发布的研究报告，如需了解详细的证券研究信息，请具体参见国泰海通证券研究所发布的完整报告。
在任何情况下，本订阅号的内容不构成对任何人的投资建议，国泰海通证券也不对任何人因使用本订阅号所载任何内容所引致的任何损失负任何责任。
本订阅号所载内容版权仅为国泰海通证券所有，国泰海通证券对本订阅号保留一切法律权利。订阅人对本订阅号发布的所有内容(包括文字、影像等)进行复制、转载的，需注明出处为“国泰海通研究”， 且不得对本订阅号所载内容进行任何有悖原意的引用、删节和修改。
