AI驱动的量化策略新范式：从因子挖掘到组合优化的全流程重构
传统多因子模型面临维度诅咒与过拟合的双重挑战。以自然语言处理技术解析10-K报表的情感因子为例，在2018-2022年回测中产生42%年化收益，但样本外衰减达67%。当前突破点在于：1）利用图神经网络捕捉另类数据的非线性关系 2）通过元学习实现动态因子权重调整 3）结合强化学习的仓位管理模块。我们验证发现，将订单流数据通过LSTM-Transformer混合模型生成的微观结构因子，在A股T+1约束下仍能维持21%信息比率。最新实验表明，加入市场 regime switching 检测的混合模型可使最大回收控制在8%以内。 求购完整回测代码和因子库，预算5万以内。特别需要LSTM-Transformer混合模型在A股T+1环境下的具体实现，包括订单流数据处理模块。可接受Python或MATLAB版本，要求附带2018-2022年全市场回测报告和样本外测试框架。另对regime switching检测模块感兴趣，希望包含波动率regime和流动性regime的双重识别机制。可签保密协议，需提供因子衰减分析和过拟合检验的详细文档。
页:
[1]