开源量化评论(103)：深度学习赋能风格轮动与多策略融合-241212-开源证券
证书编号：S0790519120001 weijianrong@kysec.cn shengshaocheng@kysec.cn
报告摘要
证书编号：S0790519120001 weijianrong@kysec.cn shengshaocheng@kysec.cn
核心要点
- 2024 年 12 月 12 日
- 魏建榕（分析师）
- 盛少成（分析师）
- 翔（分析师）
- 傅开波（分析师）
- 在《深度学习赋能分析师行为：更稳的盈利预期调整组合》中，我们利用了
- 鹏（分析师）
- 苏俊豪（分析师）
报告信息
- 文件全名
- 《开源量化评论(103)：深度学习赋能风格轮动与多策略融合-241212-开源证券-16页.pdf》
- 适合读者
- 核心数据
- 从 2019 年至今月度 RankIC 均值为 9.37%。
- 模型，该模型能够更好的把握时序数据的隐含关系，月度 RankIC 提升至 10.27%。
- 若直接从指数层面出发，指数 Transformer 因子的月度 RankIC 为 6.13%，具备一
- 周期(5 日)的滚动预测，并将短、长周期的隐藏层合并后输入强化学习模型。
- 图 3： LSTM 因子 10 分组多空对冲的年化收益率为 32.74% ..................................................................................................... 5
- 核心议题
常见问题
《开源量化评论(103)：深度学习赋能风格轮动与多策略融合-241212-开源证券》主要包含哪些内容?
证书编号：S0790519120001 weijianrong@kysec.cn shengshaocheng@kysec.cn核心数据:从 2019 年至今月度 RankIC 均值为 9.37%。;模型，该模型能够更好的把握时序数据的隐含关系，月度 RankIC 提升至 10.27%。;若直接从指数层面出发，指数 Transformer 因子的月度 RankIC 为 6.13%，具备一。
这份报告由哪家机构发布?
本报告由开源证券发布,发布于 2024 年。
这份报告覆盖哪一年、篇幅多大?
覆盖 2024 年,全文共 16 页。
这份报告是免费的吗?如何获取?
本报告免费查阅,登录资料宝后即可在线获取完整内容。
这份报告适合哪些读者?
适合投资人、行业研究员等读者参考。
报告涉及哪些关键议题?
重点分析了证券、金融、股票等议题。
继续阅读
查看全部 →