社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  机器学习算法

国泰海通|金工:基于GRU、TCN模型的深度学习因子选股效果研究

国泰海通证券研究 • 1 年前 • 948 次点击  

报告导读:本报告使用GRUTCN模型训练深度学习因子,测试选股效果。模型效果上,GRU略好于TCN+GRU,略好于TCN;预测10日收益模型略好于预测5日模型。深度学习因子与低波动、低流动性因子相关性较高。构建指数增强选股策略,控制市值行业无暴露,2017年以来沪深300增强年化超额11.8%,本年超额-0.4%;中证500 指数增强策略年化超额13.6%,本年超额2.7%;中证1000增强年化超额21.7%,本年超额9.9%;中证2000增强年化超额27.1%,本年超额9.3%

深度学习模型选股上应用广泛本报告使用GRUTCN模型训练深度学习因子。GRU虽然是RNN中比较简单的模型,但被证实有效后,以其预测效果好训练速度快的特点,在业内得以广泛使用。TCN是基于CNN架构,通过因果卷积、扩张卷积和残差连接等技术,有效捕捉时间序列中的长期依赖关系的模型。

模型训练过程说明。输入数据集:30日行情、60日行情、30周行情,6个特征(高、开、低、收、均价、换手率)。预测标签:t+1日至t+6日的5日均价涨跌幅、t+1日至t+11日的10日均价涨跌幅。训练过程:2017年以来,每年训练一个模型供下一年使用,使用前9年数据为训练集,第10年数据为验证集。损失函数:预测值和收益率的相关系数取负。 使用模型:TCNTCN+GRUGRU

单因子选股效果多头组在中小市值股票池(中证1000、中证2000)超额更高,选股效果更好,因子值是否市值行业中性化影响较小;沪深300中因子原始值的效果明显好于市值行业中性化后因子值。市值行业中性化后因子超额收益明显减少,部分说明深度学习因子捕捉到风格轮动、行业轮动的规律。模型表现上,GRU略好于TCN+GRU,略好于TCN;预测10日收益模型超额收益略高于预测5 日收益模型。

复合因子选股效果。深度学习因子与低波、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、快照因子相关性不高,与基本面因子相关性较低。等权加权后的复合因子效果均好于单因子构建指数增强策略,设置成分股不少于80%,单边换手率不超20%约束,控制市值行业无暴露, 20171月以来,沪深300指数增强年化超额11.8%,超额最大回撤-6.0%;截至20256 30日,本年超额-0.4%,超额最大回撤-3.1%。中证500指数增强年化超额13.6%,超额最大回撤-7.1%;本年超额2.7%,超额最大回撤-4.2%。中证1000指数增强年化超额21.7%,超额最大回撤-9.3%;本年超额9.9%,超额最大回撤-2.1%。中证2000指数增强年化超额27.1% ,超额最大回撤-5.2%;本年超额9.3%,超额最大回撤-3.4%允许市值行业适当暴(市值暴露最大偏离0.5个标准差,行业权重最大偏离2.5%),20171月以来,沪深300指数增强年化超额8.8%,超额最大回撤-9.90%;截至2025630 日,本年超额-1.7%,超额最大回撤-3.6%。中证500指数增强年化超额14.6%,超额最大回撤-9.2%;本年超额5.2%,超额最大回撤-1.6%。中证1000指数增强年化超额22.3%,超额最大回撤-8.3%;本年超额9.0%,超额最大回撤-1.6%。中证2000指数增强年化超额26.2%,超额最大回撤 -5.2%;本年超额5.3%,超额最大回撤-3.6%。如果考虑双边0.3%交易费用,每年收益减少约3%

风险提示:量化模型基于历史数据构建,而历史规律存在失效风险。


报告来源

以上内容节选自国泰海通证券已发布的证券研究报告。

报告名称:基于GRU、TCN模型的深度学习因子选股效果研究;报告日期:2025.07.30   报告作者:

郑雅斌(分析师),登记编号:S0880525040105

张雪杰(分析师),登记编号:S0880522040001

朱惠东(分析师),登记编号:S0880525070025



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。


扫码关注 星标不迷路

国泰海通证券研究所官方公众号

海量研报 | 热门活动 | 视听内容


Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/185005