聚焦量化选股系列之一:StyleNet,捕捉市场风格信息的多因子挖掘模型。报告认为在 Alpha 与风险之间存在一类“风格成分”,它们具有一定的截面解释力且选股能力微弱或不稳定,但其方向在特定条件下可被预测,因此我们搭建了一套用于捕捉风格信息的 StyleNet 3.0 选股模型。对比 3 个版本因子的相关性与风格暴露情况,我们可以得出结论:不同因子间相关性较低,获得 alpha 收益来源互不相同,将不同因子叠加能够起到提升稳定性的作用。把StyleNet因子叠加到RNN+ABCM因子上,合成因子表现有了大幅提高,2018年以来中证全指上 RankIC 可达 15.51%,年化多头超额可达 49.42%。
聚焦量化选股系列之一:StyleNet,捕捉市场风格信息的多因子挖掘模型。报告认为在 Alpha 与风险之间存在一类“风格成分”,它们具有一定的截面解释力且选股能力微弱或不稳定,但其方向在特定条件下可被预测,因此我们搭建了一套用于捕捉风格信息的 StyleNet 3.0 选股模型。对比 3 个版本因子的相关性与风格暴露情况,我们可以得出结论:不同因子间相关性较低,获得 alpha 收益来源互不相同,将不同因子叠加能够起到提升稳定性的作用。把StyleNet因子叠加到RNN+ABCM因子上,合成因子表现有了大幅提高,2018年以来中证全指上 RankIC 可达 15.51%,年化多头超额可达 49.42%。
聚焦量化选股系列之一:StyleNet,捕捉市场风格信息的多因子挖掘模型。报告认为在 Alpha 与风险之间存在一类“风格成分”,它们具有一定的截面解释力且选股能力微弱或不稳定,但其方向在特定条件下可被预测,因此我们搭建了一套用于捕捉风格信息的 StyleNet 3.0 选股模型。对比 3 个版本因子的相关性与风格暴露情况,我们可以得出结论:不同因子间相关性较低,获得 alpha 收益来源互不相同,将不同因子叠加能够起到提升稳定性的作用。把StyleNet因子叠加到RNN+ABCM因子上,合成因子表现有了大幅提高,2018年以来中证全指上 RankIC 可达 15.51%,年化多头超额可达 49.42%。核心数据:把StyleNet因子叠加到RNN+ABCM因子上,合成因子表现有了大幅提高,2018年以来中证全指上 RankIC 可达 15.51%,年化多头超额可达 49.42%;在行业轮动上的 RankIC 可达 10.68%,Top5 行业年化绝对收益可达 23.83%,每年绝对收益均为正。
本报告由华源证券发布,发布于 2026 年。
覆盖 2026 年,全文共 20 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。
重点分析了量化、AI、量化选股系列之一等议题。