量化策略交易中的因子挖掘新思路
近年来随着机器学习技术在金融领域的深度应用，传统多因子模型面临新的变革机遇。基于深度学习的非线性因子构建方法，能够有效捕捉市场中的复杂模式，但同时也带来了过拟合风险。当前业内开始探索将图神经网络应用于跨资产关联性分析，通过构建资产间的动态关联网络，挖掘传统方法难以发现的传导效应。这种方法的优势在于能够动态捕捉市场结构变化，但计算复杂度较高，对数据质量要求也更为严格。建议关注高频数据中的微观结构因子，结合订单簿动态特征构建复合指标，这可能是未来超额收益的重要来源。
页:
[1]