基于循环神经网络的多频率因子挖掘:东方证券2023量化选股新策略
报告利用RNN模型构建多频率因子,应用于指数增强策略。在沪深300、中证500、中证1000上RankIC均值超14%,年化对冲收益最高达23.63%。讨论了学习率、丢弃率等参数优化,挖掘低相关性因子,为量化投资提供新思路。
报告利用RNN模型构建多频率因子,应用于指数增强策略。在沪深300、中证500、中证1000上RankIC均值超14%,年化对冲收益最高达23.63%。讨论了学习率、丢弃率等参数优化,挖掘低相关性因子,为量化投资提供新思路。
报告利用RNN模型构建多频率因子,应用于指数增强策略。在沪深300、中证500、中证1000上RankIC均值超14%,年化对冲收益最高达23.63%。讨论了学习率、丢弃率等参数优化,挖掘低相关性因子,为量化投资提供新思路。
报告利用RNN模型构建多频率因子,应用于指数增强策略。在沪深300、中证500、中证1000上RankIC均值超14%,年化对冲收益最高达23.63%。讨论了学习率、丢弃率等参数优化,挖掘低相关性因子,为量化投资提供新思路。核心数据:14.47%,12.22%,23.63%。
本报告由东方证券发布,发布于 2023 年。
覆盖 2023 年,全文约 26.0。
本报告为付费报告,可在资料宝站内下单后获取完整内容。
适合量化研究员、金融工程师、投资经理等读者参考。
重点分析了金融投资、东方证券等议题。