20210307-广发证券-深度学习研究报告之七：深度学习框架下高频数据因子挖掘.pdfVIP

下载本文档

2
0
约8.25万字
约 24页
2023-09-17 发布于上海
举报
版权申诉

20210307-广发证券-深度学习研究报告之七：深度学习框架下高频数据因子挖掘.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

[Table_Page] 金融工程|专题报告 2021 年3 月7 日证券研究报告 [Table_Title] 图1：中证500 成分股内选股表现深度学习框架下高频数据因子挖掘深度学习研究报告之七 [Table_Summary] 报告摘要：  机器学习高频因子挖掘的优势：在多因子选股模型中，因子的开发和更新迭代变得越来越重要。与低频因子相比，高频数据在用于量化投资中存在一定优势，而高频数据挖掘因子的难点在于数据维度数据来源：Wind，广发证券发展研究中心大、噪声高。机器学习方法擅长从数据中寻找规律和特征，是高频图2：中证1000 成分股内选股表现数据因子挖掘的有力工具。  模型算法：本报告在预先将高频信息处理成日频因子之后，在日频因子的基础上，用深层全连接神经网络模型提取股票特征。模型采用了76 个日频变量作为神经网络的输入。其中，包括73 个高频数据低频化的股票特征和股票市值、股票5 日换手率均值和股票5 日收益率等三个低频风格因子。在深层神经网络提取特征之后，可以对特征进行分析，筛选合适的选股因子。为了验证特征的选股能力，本报告提出了一种基于回归的特征组数据来源：Wind ，广发证券发展研究中心合方法，进行选股测试。特征组合算法通过截面回归产生回归系数，实 [Table_Author] 分析师：文巧钧时性高，保持对市场特