因子选股系列之九十七：DFQ_TRA，多交易模式学习因子挖掘系统-20231114-东方证券

行研报告 10 2024-09-25 0 worker

报告编号：75596
报告名称：因子选股系列之九十七：DFQ_TRA，多交易模式学习因子挖掘系统-20231114-东方证券
报告来源：互联网用户上传
关键词：行研报告
报告页数：38 页
预览页数：6
报告格式：pdf
上传时间：2024-08-03
简介摘要: (原创分析) 本报告详细介绍了基于DFQ-TRA的多交易模式学习因子挖掘系统，该系统通过采用TRA模型（时域路由适配器）和最优传输问题（OT）来解决股票收益率预测任务中的市场规律时变特性问题。TRA模型由股票收益率预测器和路由器组成，能够识别不同的交易模式，并通过OT机制指导路由器的学习，从而防止输出结果集中在个别预测器。此外，报告还探讨了多输入、特征提取、路由器输入以及多预测器等因素对模型效果的影响。通过对比不同输入数据、特征提取方法、路由器输入方式和多预测器下的模型性能，发现使用alpha因子和风险因子作为输入，结合注意力机制和transformer模型进行特征提取，以及将特征的潜在表示和预测器的预测误差作为路由器的输入，都能有效提升模型效果。模型结果在多个股票池中进行了测试，包括中证全指、沪深300、中证500和中证1000。结果显示，TRA模型在这些股票池中均表现出较强的选股能力，合成因子的性能优于其他常见因子，并且在样本外未出现衰减。此外，报告还探讨了随机种子对模型结果的影响，并展示了TRA模型与其他常见因子的相关性。通过两两回归残差分析，发现TRA模型剔除其他模型后，残差仍有显著效果，进一步验证了其信息增量。最后，报告尝试将TRA模型与其他有效且低相关的模型结合，发现能够带来明显的增效效果，尤其是与神经网络_new模型结合时，效果最为显著。整体而言，DFQ-TRA多交易模式学习因子挖掘系统提供了一种有效的股票收益率预测方法，能够捕捉市场的多种交易模式，并在不同的股票池中表现出良好的性能。