“学海拾珠”系列之二百零四，RSAP-DFM：基于连续状态的动态因子模型-240911-华安证券-18页.pdfVIP

[Table_StockNameRptType]

金融工程

专题报告

RSAP-DFM：基于连续状态的动态因子模型

——“学海拾珠”系列之二百零四

报告日期：2024-09-11主要观点：

[Table_RptDate]

[Table_Summary]

[Table_Author]本篇是“学海拾珠”系列第二百零四篇，文章提出了一个基于连续

分析师：骆昱杉

执业证书号：S0010522110001状态的动态因子模型RSAP-DFM，该模型自适应地提取连续的宏观经济

邮箱：luoyushan@信息，并通过双重状态转换对股票收益的进行动态显式映射，引入遵循

对抗学习思想的后验因子有效地纠正了先前因子映射的偏差。

分析师：严佳炜

⚫基于连续状态的动态因子模型RSAP-DFM

执业证书号：S0010520070001

邮箱：yanjw@RSAP-DFM框架能够自适应地提取连续的宏观经济信息，并通过双

重状态转换对股票收益的进行动态显式映射，对抗性后验因子有效地纠

正了先前因子映射的偏差。RSAP-DFM框架包括特征提取器、基于多头

注意力的因子编码器、双重动态因子模型、自适应因子后验模块。特征

提取器用于股票隐态和宏观模式嵌入，并提出了一个双编码器来处理双

重状态转换特征；基于多头注意力机制的先验因子编码器，以编码具有

状态转换跳跃的因子；用于股票预测的双重动态因子模型结合神经网络

来协调α、β和因子；引入遵循对抗学习思想的自适应因子后验模块，以

[Table_CompanyReport]进一步纠正先前因子映射的偏差。此外，模型还集成了一个创新的两阶

相关报告

1.《基金业绩与风格暴露的变化——段优化算法和正态分布采样，进一步增强了模型的鲁棒性。

“学海拾珠”系列之二百零三》

2.《基于特征显著性隐马尔可夫模型⚫RSAP-DFM预测性能更优

的动态资产配置——“学海拾珠”系文章使用中国A股市场数据来测试RSAP-DFM模型的性能，研究

列之二百零二》结果显示显式的宏观经济信息映射方法增强了我们模型的可解释性。模

3.《上市公司的财报电话会议对股价型在实际股票市场中的显示出了预测能力：该模型在股票预测方面优于

的影响——“学海拾珠”系列之二百当前最先进的模型；消融实验表明双层优化能提升模型的性能；双重状

零一》态转换架构有助于提高预测性能；引入对抗学习的后验因子优于之前的

4.《数据挖掘的修正与基金的业绩表方法；多空策略的表现明显优于基线模型。

现——“学海拾珠”系列之二百》

5.《宏观趋势与因子择时——“学海

拾珠”系列之一百九十九》⚫文献来源

6.《另类情绪指标与股票市场收益之核心内容摘选自QuanzhouXiang,ZhanChen,QiSun，Rujun

间的关系——“学海拾珠”系列之一Jiang于2024年7月26日在InternationalJointConferenceonArtificial

百九十八》Intelligence上的文章《RSAP-DFM: