聚焦量化研究参考系列之八:DiffsFormer,用扩散模型扩充股票特征样本。亮点分析:相较普通生成式增强,有四点突破:1)以“编辑现有样本”替代“纯噪声生成”,可视化显示增强样本贴近原始分布,保真度更高;2)在更大源域训练再编辑目标域,蒸馏新信息、缓解行业同质化;3)以标签条件化解决标签难匹配问题,效果明显优于直接生成标签;4)即插即用,可适配多类下游预测模型。年化收益率的相对提升上,CSI300 与 CSI800 分别达7.2% 与 27.8%(均为相对提升,并非绝对年化收益率)。1. 生成样本依赖历史分布,对全新市场环境外推有限,建议持续跟踪模型表现。
聚焦量化研究参考系列之八:DiffsFormer,用扩散模型扩充股票特征样本。亮点分析:相较普通生成式增强,有四点突破:1)以“编辑现有样本”替代“纯噪声生成”,可视化显示增强样本贴近原始分布,保真度更高;2)在更大源域训练再编辑目标域,蒸馏新信息、缓解行业同质化;3)以标签条件化解决标签难匹配问题,效果明显优于直接生成标签;4)即插即用,可适配多类下游预测模型。年化收益率的相对提升上,CSI300 与 CSI800 分别达7.2% 与 27.8%(均为相对提升,并非绝对年化收益率)。1. 生成样本依赖历史分布,对全新市场环境外推有限,建议持续跟踪模型表现。
聚焦量化研究参考系列之八:DiffsFormer,用扩散模型扩充股票特征样本。亮点分析:相较普通生成式增强,有四点突破:1)以“编辑现有样本”替代“纯噪声生成”,可视化显示增强样本贴近原始分布,保真度更高;2)在更大源域训练再编辑目标域,蒸馏新信息、缓解行业同质化;3)以标签条件化解决标签难匹配问题,效果明显优于直接生成标签;4)即插即用,可适配多类下游预测模型。年化收益率的相对提升上,CSI300 与 CSI800 分别达7.2% 与 27.8%(均为相对提升,并非绝对年化收益率)。1. 生成样本依赖历史分布,对全新市场环境外推有限,建议持续跟踪模型表现。核心数据:年化收益率的相对提升上,CSI300 与 CSI800 分别达7.2% 与 27.8%(均为相对提升,并非绝对年化收益率)。
本报告由东方证券发布,发布于 2026 年。
覆盖 2026 年。
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。
重点分析了股票、量化、量化研究参考系列之八等议题。