银河金工组合优化系列报告：基于深度学习预测与强化学习优化的指数增强策略.docxVIP

金融工程专题报告

基于深度学习预测与强化学习优化的指数增强策略

——银河金工组合优化系列报告2026年7月6日

核心观点

l基于深度学习预测+强化学习优化的指数增强策略框架，从K线到权重一键生成决策结果：本文将指数增强问题拆分为连续衔接的八个环节：原始数据输入、统一清洗与标签构造、K线衍生特征工程、时序编码、截面关系聚合、多标签预测、强化学习组合优化以及执行与回测评估。本框架的核心优势在于以最基础的K线数据作为输入值，可一键实现收益风险信号预测和个股权重决策，为投资实践提供有效参考。

l强化学习模型应用于组合优化问题，静态配置转化为动态决策：承接前序报告中深度学习模型预测的收益风险信号，我们将预测信号、基准权重、已有持仓、换手成本与跟踪误差约束共同纳入状态空间；动作空间定义为连