聚焦基于CMM的路径加权动量重构——每天的收益并不总是同样重要。采用结构轻量的 CMM 拟合预测信号与未来收益的截面相关性:卷积层提取因子序列局部模式,16→8 前馈漏斗逐层压缩,早停控制训练轮数,每 6 个月重训适应市场变化;前馈网络将特征映射为状态标量 θ,softmax 将 θ×历史日收益归一化为 231 日动态权重,加权得到 CMM 信号。CMM G10 (多头)与 SM G10 (多头)差异显著,月度个股重合率均值 41.9%、最低仅 16.8%;中性化后仍有 alpha 且风险调整后表现更好,选股能力不依赖市值/行业暴露。进一步叠加 Barra 风格暴露与更多量价基本面因子(共56特征),2020年1月23日至2026年7月末,G10 多头年化 23.0%、夏普 0.88,LS 多空年化 40.9%。
聚焦基于CMM的路径加权动量重构——每天的收益并不总是同样重要。采用结构轻量的 CMM 拟合预测信号与未来收益的截面相关性:卷积层提取因子序列局部模式,16→8 前馈漏斗逐层压缩,早停控制训练轮数,每 6 个月重训适应市场变化;前馈网络将特征映射为状态标量 θ,softmax 将 θ×历史日收益归一化为 231 日动态权重,加权得到 CMM 信号。CMM G10 (多头)与 SM G10 (多头)差异显著,月度个股重合率均值 41.9%、最低仅 16.8%;中性化后仍有 alpha 且风险调整后表现更好,选股能力不依赖市值/行业暴露。进一步叠加 Barra 风格暴露与更多量价基本面因子(共56特征),2020年1月23日至2026年7月末,G10 多头年化 23.0%、夏普 0.88,LS 多空年化 40.9%。
聚焦基于CMM的路径加权动量重构——每天的收益并不总是同样重要。采用结构轻量的 CMM 拟合预测信号与未来收益的截面相关性:卷积层提取因子序列局部模式,16→8 前馈漏斗逐层压缩,早停控制训练轮数,每 6 个月重训适应市场变化;前馈网络将特征映射为状态标量 θ,softmax 将 θ×历史日收益归一化为 231 日动态权重,加权得到 CMM 信号。CMM G10 (多头)与 SM G10 (多头)差异显著,月度个股重合率均值 41.9%、最低仅 16.8%;中性化后仍有 alpha 且风险调整后表现更好,选股能力不依赖市值/行业暴露。进一步叠加 Barra 风格暴露与更多量价基本面因子(共56特征),2020年1月23日至2026年7月末,G10 多头年化 23.0%、夏普 0.88,LS 多空年化 40.9%。核心数据:采用结构轻量的 CMM 拟合预测信号与未来收益的截面相关性:卷积层提取因子序列局部模式,16→8 前馈漏斗逐层压缩,早停控制训练轮数,每 6 个月重训适应市场变化;CMM G10 (多头)与 SM G10 (多头)差异显著,月度个股重合率均值 41.9%、最低仅 16.8%;进一步叠加 Barra 风格暴露与更多量价基本面因子(共56特征),2020年1月23日至2026年7月末,G10 多头年化 23.0%、夏普 0.88,LS 多空年化 40.9%。
本报告由华福证券发布,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。
重点分析了基于CMM的路径加权动量重构、每天的收益并不总是同样重要等议题。