5401 篇
13911 篇
478084 篇
16320 篇
11773 篇
3942 篇
6548 篇
1254 篇
75673 篇
37947 篇
12175 篇
1667 篇
2870 篇
3423 篇
641 篇
1241 篇
1980 篇
4924 篇
3888 篇
5493 篇
如何捕捉长时间序列量价数据的规律
随着高频数据的普及和算力的发展，量化投资中使用的时间序列数据长度正逐渐扩展。传统 GRU 模型在处理长序列数据时可能存在信息遗忘、难以捕捉周期性和异质性规律等问题。本研究引入 patch 的思想，按照交易日将股票的长时间序列量价数据划分为多个 patch ，设计 PatchModel1 和 PatchModel2 两个模型，并在两个选股场景下进行测试。结果表明，patch 模型具有增量信息，模型融合后相比 GRU 均有提升。使用两个场景下的合成因子对前期报告的全频段融合因子加以改进，回测表现有所提高。
索取原文[18 页]
027-87841330