国泰海通｜金工：深度学习如何提升手工量价因子表现

风险提示。 市场系统性风险、海外市场波动风险、模型误设风险。 文章来源 本文摘自：2025年5月14日发布的 深度学习如何提升手工量价因子表现 郑雅斌 ，资格证书编号： S0880525040105 余浩淼 ，资格证书编号： S0880525040013 更多国泰海通研究和服务 亦可联系对口销售获取 报告导读： 除开直接使用深度学习模型得到股票预期收益之外，通过将需要使用的收益因 子加入正交层当中，可以得到与现有收益因子低相关，但依然具有良好选股效果的深度学 习因子。从而在后续使用中，方便对于因子权重的人工调整。 将收益因子加入正交层，可以使得同源深度因子在保证选股效果前提下，与正交层收益因子低相关： 深度 学习模型有黑盒化的特征，当市场出现剧烈风格转换时，很难通过人工的方法对于模型进行干预，手工改 变不同因子的权重。而通过将收益因子加入深度学习模型正交层，可以在保障深度因子选股效果的同时， 降低深度因子与正交层中收益因子相关性，防止在构建手工多因子组合时，深度因子与同源其他手工收益 因子的多重共线性问题。 在正交层放入其他同源收益因子后，深度因子依然有非常良好的选股效果： 无论是以 Rank MAE 还是 ...