量化学习笔记之一：基于堆叠LSTM模型的十年期国债收益率预测

总量研究 基于堆叠 LSTM 模型的十年期国债收益率预测 ——量化学习笔记之一 2025 年 12 月 15 日 2、 基于堆叠 LSTM 模型的国债收益率预测 构建混合模型。将 LSTM 模型与传统计量模型或其他机器学习模型相结合，构建 如 ARIMAX-LSTM、CNN-LSTM-ATT 等混合模型，能够发挥不同模型优势，弥补 单一 LSTM 模型缺陷，提升预测精度。 本报告采用了三层堆叠 LSTM+Dropout 正则化的经典稳健架构来构建十年期国 债收益率预测模型，初步探索深度学习模型在固收量化领域的应用和效果。 模型以 2021 年初至数据获取当日（截至 2025 年 12 月 12 日）的十年期国债收 益率为数据标的，以过去 60 个交易日的收益率一阶差分作为输入特征，以未来 一周的收益率一阶差分作为预测目标来构建时间序列样本。最终构建出一个包含 约 13 万个可调参数的中等复杂度的 LSTM 神经网络模型，模型于第 27 轮训练 迭代出最优模型，针对测试集预测的平均绝对误差为 1.43BP，最优模型预测本 周（2025 年 12 月 15 日-2025 年 12 月 19 日）十年期国债收益率整 ...