久久一日本道色综合久久_国产最爽的av片在线观看_精品成人Av一区二区三区_94久久国产乱子伦精品免费_国产三级网站在线观看_和女邻居做爰在线观看_wymfw最新免费_国产强奷在线免费阅读_95在线观看视频

人工智能93：挖掘逐筆成交數(shù)據(jù)中的alpha
　　高頻量價數(shù)據(jù)在量化投資中的重要性毋庸置疑。本文聚焦于逐筆成交數(shù)據(jù)的信息挖掘。由于數(shù)據(jù)量龐大，逐筆成交數(shù)據(jù)難以直接作為深度學習等選股模型的輸入，需依賴特征工程提取有效信號。本文從資金流和事件驅動兩個角度開展特征工程，采用深度學習模型捕捉數(shù)據(jù)規(guī)律，并提出模型優(yōu)化方法，最后形成選股因子。
　　資金流模型：tick線、成交量線等具有時間線外的增量信息
　　本研究基于逐筆成交數(shù)據(jù)，構造大小單、主動買賣等資金流特征?；€模型以個股過去40日的30分鐘頻資金流數(shù)據(jù)作為輸入，采用transformer模型學習時序注意力，最終輸出未來10日超額收益的預測。然而，傳統(tǒng)時間線存在不匹配市場交易頻率、時間序列統(tǒng)計特性差等缺陷。改進模型在時間線基礎上，拓展出tick線、成交量線等增量數(shù)據(jù)，并利用transformer模型學習跨時間和跨k線的規(guī)律。實證結果表明，改進模型訓練的選股因子在多項指標上均優(yōu)于基線模型。樣本空間為全A股，在2017年初至2025年6月底的回測期內（周頻調倉），因子周度RankIC從10.17%提升至10.64%，多頭年化超額收益率由20.43%提升為22.56%。
　　事件驅動模型：引入跨事件注意力可提升模型性能
　　逐筆成交數(shù)據(jù)中的重要成交事件（如大單、價格底部、價格頂部等）可能蘊含較為豐富的信息。本研究通過識別這些特殊事件，構造相應的事件特征?；€模型以個股過去40日的所有事件特征作為輸入，采用transformer模型學習時序注意力，最終輸出未來10日超額收益的預測。改進模型則采用分層注意力機制設計，第一層transformer仍學習時序注意力，第二層transformer捕捉跨事件的交叉注意力。回測結果顯示，改進模型訓練得到的因子在多項指標上均優(yōu)于基線模型，周度RankIC從9.94%提升至10.01%，多頭年化超額收益率由20.06%提升為22.38%。
　　改進資金流和事件驅動因子合成的融合因子表現(xiàn)更佳
　　將改進后的資金流和事件驅動選股因子等權合成，得到逐筆成交融合因子。在2017年初至2025年6月底的回測期內（周頻調倉），該融合因子周度RankIC達10.96%，多頭年化超額收益率為24.52%，表現(xiàn)優(yōu)于單一因子?；谫Y金流因子、事件驅動因子和融合因子構建的中證1000增強組合，在相同回測期內年化超額收益率分別為18.98%、17.24%和19.92%，信息比率分別為3.91、3.59和4.04。2025年上半年，三者的超額收益分別為5.57%、12.58%和10.77%。
　　風險提示：基于逐筆成交數(shù)據(jù)的選股模型對市場微觀結構的依賴較強，未來市場變化可能導致模型失效。Transformer架構的復雜性可能增加訓練和推理時間，并帶來過擬合風險。本報告不涉及標的推薦。