机器学习应用系列:PINN信息约束与时序截面双流网络选股模型-250407-西南证券
本文构建了一种融合时序特征提取、图结构关联与宏观状态约束的多模态深度 首先,通过 Transformer 编码器捕捉个股量价数据的长期时序 其次,基于图注意力网络(GAT)构建行业关
本文构建了一种融合时序特征提取、图结构关联与宏观状态约束的多模态深度 首先,通过 Transformer 编码器捕捉个股量价数据的长期时序 其次,基于图注意力网络(GAT)构建行业关
本文构建了一种融合时序特征提取、图结构关联与宏观状态约束的多模态深度 首先,通过 Transformer 编码器捕捉个股量价数据的长期时序 其次,基于图注意力网络(GAT)构建行业关
本文构建了一种融合时序特征提取、图结构关联与宏观状态约束的多模态深度 首先,通过 Transformer 编码器捕捉个股量价数据的长期时序 其次,基于图注意力网络(GAT)构建行业关核心数据:约束嵌入模型,实现宏观信息对个股收益预测的信息映射。;经回测,Multi-Transformer 模型月 IC 均值 10.95%,多头组合年;化收益率为 32.88%,月均单边换手率 0.83X,10 分组回测下因子多头组合表。
本报告由西南证券发布,发布于 2025 年。
覆盖 2025 年,全文共 32 页。
本报告免费查阅,登录资料宝后即可在线获取完整内容。
适合投资人、行业研究员等读者参考。
重点分析了债券、可转债等议题。