基于日内量价结构的神经网络因子挖掘框架.docxVIP

1

金工

基于日内量价结构的神经网络因子挖掘框架

2026年10月15日│中国内地深度研究

人工智能106：基于日内量价结构的神经网络因子挖掘框架

日内量价路径蕴含了价格变化、成交活动及其时序关系的信息，固定的统计规则可能难以充分提取其中的有效信号。本文构建Value-Weight神经网络因子挖掘框架，将分钟信息表达与时序权重生成分离，通过多头联合学习获得一组可独立评价和组合的日频因子。2017-01-04至2026-09-30的回测显示，挖掘因子与人工高频特征构建的模型等权合成后，后者的RankIC由10.8%提升至12.2%，多头组年化超额收益由18.1%提升至22.5%。进一步将其纳入全频段量价因子，中证1000指增组合年化超额收益由17.7%提升至19.3%，信息比率由3.18提升至3.33。

实验方法：分钟信息表达与时序权重分离，多头联合挖掘日频因子

本文以个股单日240根分钟K线为输入，将因子生成划分为三个环节：（1）分钟信息表达：Value模块采用固定公式或可学习网络，描述每一分钟的价格形态与成交信息。（2）时序权重生成：Weight模块采用GRU或Transformer，根据当日量价路径学习各分钟的相对重要性。（3）日频聚合：各输