多颗粒度特征的深度学习模型分析报告：探索和对比.pdf

选股因子——多颗粒度

特征的深度学习模型：探索和对比

在本系列的前期报告中，我们分别单独使用低频和高频特征作为输入，训练得到了

深度学习因子。并在接近2年的样本外跟踪期内，观察到了稳定优异的业绩表现。

但是随着研究和交流的深入，新的问题也产生了。由于不同频率数据的存在，同一

个特征可在多个频率上计算。那么，它们包含的信息是完全一样的，还是互有增益

呢？为此，本文探索和对比了几类多颗粒度模型，并提出了一些行之有效的改进方

案。

从单颗粒度模型到多颗粒度模型。尽管使用单一的日度特征已经可以实现不俗的

业绩，但更细颗粒度的特征依然有值得挖掘的有效信息