聚焦量化学习笔记之三:基于神经网络算法的十年期国债收益率周度预测模型。10Y 国债收益率八维因子池构建:为全面刻画十年期国债收益率的多维驱动机制,我们构建了覆盖宏观基本面、货币政策、货币与信贷、债券、股票、海外、商品及事件影响等 8 大类、100 余个初始因子池,并进一步经差分与移动平均(5日/10 日/20 日)扩展至 600 余个备选因子,为模型预测提供丰富的数据基础。预测准确率为 73.68%,加权 F1 分数为 73.93%,实现对 10Y 国债收益率变动的有效捕捉。4)数据集划分:在预测模型建模环节,样本数据集需要严格按照时间顺序划分,例如前 70%作为训练集,中间 20%作为验证集,后 10%作为测试集,否则会导致未来样本混入训练集,模型间接“看到”未来的模式,导致评估失真。
聚焦量化学习笔记之三:基于神经网络算法的十年期国债收益率周度预测模型。10Y 国债收益率八维因子池构建:为全面刻画十年期国债收益率的多维驱动机制,我们构建了覆盖宏观基本面、货币政策、货币与信贷、债券、股票、海外、商品及事件影响等 8 大类、100 余个初始因子池,并进一步经差分与移动平均(5日/10 日/20 日)扩展至 600 余个备选因子,为模型预测提供丰富的数据基础。预测准确率为 73.68%,加权 F1 分数为 73.93%,实现对 10Y 国债收益率变动的有效捕捉。4)数据集划分:在预测模型建模环节,样本数据集需要严格按照时间顺序划分,例如前 70%作为训练集,中间 20%作为验证集,后 10%作为测试集,否则会导致未来样本混入训练集,模型间接“看到”未来的模式,导致评估失真。
聚焦量化学习笔记之三:基于神经网络算法的十年期国债收益率周度预测模型。10Y 国债收益率八维因子池构建:为全面刻画十年期国债收益率的多维驱动机制,我们构建了覆盖宏观基本面、货币政策、货币与信贷、债券、股票、海外、商品及事件影响等 8 大类、100 余个初始因子池,并进一步经差分与移动平均(5日/10 日/20 日)扩展至 600 余个备选因子,为模型预测提供丰富的数据基础。预测准确率为 73.68%,加权 F1 分数为 73.93%,实现对 10Y 国债收益率变动的有效捕捉。4)数据集划分:在预测模型建模环节,样本数据集需要严格按照时间顺序划分,例如前 70%作为训练集,中间 20%作为验证集,后 10%作为测试集,否则会导致未来样本混入训练集,模型间接“看到”未来的模式,导致评估失真。核心数据:预测准确率为 73.68%,加权 F1 分数为 73.93%,实现对 10Y 国债收益率变动的有效捕捉;4)数据集划分:在预测模型建模环节,样本数据集需要严格按照时间顺序划分,例如前 70%作为训练集,中间 20%作为验证集,后 10%作为测试集,否则会导致未来样本混入训练集,模型间接“看到”未来的模式,导致评估失真;滚动 IC 值优选长期预测能力显著因子:滚动窗口计算各备选因子与未来 5 个交易日 10Y 国债收益率变动的 Rank IC 序列,进而得到 IC 均值绝对值和 ICIR 绝对值。
本报告由光大证券发布,发布于 2026 年。
覆盖 2026 年,全文共 16 页。
本报告为付费报告,可在资料宝站内下单后获取完整内容。
适合投资人等读者参考。
重点分析了化学、国债、算法、量化等议题。