深度学习在量化选股中的因子组合优化.docxVIP

深度学习在量化选股中的因子组合优化

一、量化选股中因子组合的传统困境与深度学习的介入契机

量化选股的核心逻辑是通过挖掘市场中的有效因子，构建因子组合来预测股票收益，从而实现超额收益。经过数十年的发展，传统量化选股模型如多因子模型、套利定价模型等已成为行业主流，但随着市场结构的复杂化和投资者行为的多样化，这些模型逐渐暴露出难以突破的瓶颈，为深度学习技术的介入提供了关键契机。

（一）传统因子组合的线性假设局限

传统多因子模型普遍基于线性叠加的核心假设，认为股票收益是多个因子的线性加权结果。这一假设虽然简化了模型构建过程，但与真实市场的复杂运行规律存在显著偏差。市场中不同因子之间并非独立发挥作用，而