【广发金融工程】深度学习框架下高频数据因子挖掘

广发文巧钧 2026-06-11 置信度: high

综合质量 4 /5

新颖性 4 /5

可复现性 3 /5

核心内容

结合特征工程思路，先将高频价量与Level-2数据转化为73个日频基础因子，结合市值、5日换手率、5日收益率共76维输入特征。通过7层全连接神经网络对未来5日收益率分类（上涨/平盘/下跌）进行监督学习，提取高阶非线性特征。最后用基于回归的特征组合方法进行选股测试。

经济逻辑

高频价量数据信息量大、拥挤度低，但维度高、噪声大。深度学习模型具有自动学习特征的能力，能从海量数据中提取有效非线性特征。基于回归的特征组合方法通过截面回归产生系数，实时性高，能紧密跟随市场特点变化。

超额收益逻辑

利用高频数据信息量大、拥挤度低的优势，通过深度学习模型自动提取难以被人工挖掘的非线性高阶特征。随后采用基于回归的特征组合方法，实时拟合特征与收益的关系，紧密跟随市场特点，从而在指数成分股内获取显著的超额收益。

构造细节 [model]

模型架构

7层深层全连接神经网络(DNN)，包含1个输入层(76节点)、5个隐含层(H1-H5，具体节点数文本未展示)和1个输出层(3节点)。低层次节点学习低阶特征，高层次节点学习高阶特征，通过非线性激活函数增强表达能力。

输入

76维股票日频因子向量(73个高频低频化特征 + 股票市值 + 5日换手率均值 + 5日收益率)

输出

3维向量，表示股票未来5日走势属于上涨、平盘、下跌三种类别的概率分布

训练

采用全市场符合条件的股票截面数据作为训练集。将因子特征与未来5日收益率的分类标签(涨/平/跌)进行拟合，采用交叉熵损失函数，通过反向传播算法优化深层神经网络参数。

数据输入

: (日频(由高频低频化)): (日频(由高频低频化)): (日频): (日频): (日频(由高频低频化)): (日频)

组合方式

基于回归的特征组合方法，通过截面回归产生回归系数，对深度学习提取的高阶特征进行线性加权组合打分选股。

绩效

7.7%

样本外特征平均IC(绝对值)

7.6%

5日IC均值

7.8%

5日IC标准差

26.0%

中证500多头组合年化超额收益率

2.99

中证500超额收益夏普比率

42.4%

中证1000多头组合年化超额收益率

3.37

中证1000超额收益夏普比率

基准: 中证500、中证1000

回测期: 2019年以来

深度学习模型获取的特征总体具有较高的IC。以2019年以来样本外数据进行特征组合模型回测，5日IC均值为7.6%。在20%换手率约束下，中证500和中证1000指数内选股多头组合年化超额收益率分别达26.0%和42.4%，夏普比率分别为2.99和3.37。

收益归因

缺口: 报告未进行具体的收益归因分析。

稳健性

子样本稳定性: 策略在2019年以来的样本外数据中表现稳定，5日IC均值7.6%。在中证500和中证1000指数内均获得高夏普比率(2.99与3.37)，且在中证1000成分股内表现出更高的超额收益(42.4% vs 26.0%)。

风格偏差: 模型显式加入了股票市值、换手率、收益率等风格因子，并在挖掘过程中融入了资金流和量价特征，可能存在对小市值或高流动性股票的隐性暴露。

模型在宽基指数成分股内选股能力较强，IC指标表现优异，超额收益显著。但报告未提及多头组合的纯多头表现或行业、风格的暴露归因。

数据依赖

所需数据: 分钟级别开高低收价格及买卖盘挂单数据；Wind资金流向数据(Level-2)；日频行情及基本面数据。

可复现性: medium

数据需求包含分钟频和Level-2数据，有一定获取和处理门槛。因子定义方向明确但部分公式细节缺失。网络隐藏层节点数等关键参数在原图表中未提供文本说明，需自行尝试结构，可复现至逻辑框架级别。

新颖性评估 [新组合]

并非单一模型理论创新，而是将高频低频化因子挖掘、深层全连接网络特征提取与截面回归特征组合方法相结合的系统工程化应用，展现了该框架在A股高频数据选股上的显著效果。

不足与缺陷

网络结构的隐含层节点数、激活函数等核心超参数未在文本中明确说明，影响完全精确复现
深度学习模型具有黑盒属性，提取的隐含层特征缺乏直观的经济学含义解释
特征组合的截面回归方法缺乏具体数学公式描述和正则化处理细节

可复用元素

高频信息低频化的具体分类思路（价格、量价、盘前、资金流、时段切片）极具实操参考价值
将未来收益率转化为多分类(前10%、中10%、后10%)打标签的思路，相比纯回归能更好应对极端值
提取高阶特征后用截面回归组合而非直接端到端预测的方法，兼顾了模型预测力和因子可解释性/可组合性

启发

针对特定时段（开盘后/收盘前半小时）和大成交量时段进行切片提取特征，能有效过滤噪声并聚焦信息密集区间
将资金流数据与深度学习结合，从更高维非线性视角刻画主力资金行为特征

改进方向

使用Temporal Fusion Transformer (TFT)或CNN+LSTM直接处理原始分钟频时间序列

基于: 报告自身提到RNN和CNN适合对金融时间序列建模，避免提前低频化造成的信息丢失预期收益: 保留高频时间序列的时序依赖关系，可能提取出更丰富的高阶特征，提升超额收益稳定性

引入注意力机制(Attention Mechanism)对76个特征及不同时段切片进行动态加权

基于: 报告中对开盘/收盘特定时段及大单成交进行重点分析，说明不同特征重要性不一预期收益: 让模型自动学习不同因子和时段的重要性权重，取代人工切片，进一步提升模型泛化能力

复现计划

1. 数据准备：获取A股分钟行情、Level-2资金流数据及日频风格因子。2. 特征工程：根据文中描述构建73个高频低频化特征(日内价格9个、成交量相关、盘前价量、资金流划分、特定时段等)。3. 数据清洗与标注：剔除上市不足20日、ST、停牌及涨跌停股，按未来5日收益率前10%、中10%、后10%打标签。4. 模型构建：搭建7层全连接网络(隐藏层节点可设为如 256-128-64-32-16 试错)，输出层3节点，激活函数采用ReLU，输出层Softmax。5. 训练与提取：使用交叉熵损失训练模型，提取隐含层高阶特征。6. 组合构建：使用截面回归方法对提取的特征进行回归，根据回归系数构建多头组合并控制在20%换手率，以中证500/1000为基准回测。