海通证券选股因子系列研究：多颗粒度深度学习模型 实现31.5%超额收益

报告摘要

本报告由海通证券发布，探索多颗粒度特征深度学习模型在量化选股中的应用。通过引入双向AGRU和注意力机制，模型在10日标签下实现费前年化超额收益31.5%，周均Rank IC超0.12，Top10%组合超额收益33%，Top100组合达40%，显著优于单颗粒度模型。

📋 核心要点(部分)

1. 从单颗粒度到多颗粒度模型
2. 不同标签长度与调仓周期对比
3. 双向AGRU多颗粒度模型效果