二 〇 二 五 年 度 2025 年 08 月 28 日 国债期货系列报告：多通道深度学习模型 在国债期货因子择时上的应用 | 虞堪 | 投资咨询从业资格号：Z0002804 | yukan@gtht.com | | --- | --- | --- | | 宋子钰（联系人） | 从业资格证号：F03136034 | songziyu@gtht.com | 报告导读： 本报告直面传统量化因子在当前债市震荡行情中普遍性能下降的核心痛点，创新性地提出了融合日频与分钟 频数据的深度学习双通道模型(LSTM 和 GRU)。实证研究表明，该模型能有效捕捉不同时间尺度的市场信息，显著 提升策略在样本外(尤其是市场下行期)的预测准确性与稳定性，为重构债市量化择时体系提供了具有强泛化能力 的新思路。 在模型的使用上，主要使用了 RNN、LSTM、GRU 三种适用于时序预测的深度学习模型，重点阐述了 LSTM/GRU 通过门控机制解决长程依赖问题的优势。在传统深度学习模型设计的基础上，突破单一频率输入的局限，设计使 用了双通道模型架构。研究发现，深度学习方法在国债期货日频择时上可能会存在较大的过拟合风险，但是在加 入分钟频信息后 ...