深度学习在量化选股中的特征工程方法.docxVIP

深度学习在量化选股中的特征工程方法

一、引言

量化选股是依托历史数据构建数学模型，对股票未来收益的相对高低进行预测，进而筛选出具备超额收益潜力的标的构建投资组合的投资方法。自量化投资在国内起步以来，其底层模型经历了从传统多因子模型到机器学习模型再到深度学习模型的迭代升级，模型的拟合能力与数据处理能力不断提升。在整个量化选股的流程中，特征工程是连接原始市场数据与预测模型的核心环节，相当于把零散、杂乱的原始数据加工成模型能够直接识别、且具备预测价值的标准化输入，其质量直接决定了模型的性能上限。据量化投资领域的长期跟踪研究显示，选股模型的超额收益中，超过六成的贡献来自有效特征的构建与筛选（陈学彬等，