基于混频数据及共享信息挖掘的深度学习模型在量化中的应用  

Application of Deep Learning Model Based on Frequency Mixing Data and Shared Information Mining in Quantization

作　　者：汪腾 王振州 易超 Wang Teng;Wang Zhenzhou;Yi Chao

机构地区：[1]太平资产管理有限公司

出　　处：《金融科技时代》2024年第8期58-66,共9页FinTech Time

基　　金：中国保险资产管理业协会“2023IAMAC年度课题”项目支持。

摘　　要：文章通过高低频股票数据混频结构调和不同长度的信息,解决了传统模型在处理高低频数据时的困难,同时,采用注意力机制结构对股票时序信息进行有效提取,提高了模型对时序数据的处理能力。通过构建股票与概念关联获取股票概念信息交叉作用机制,文章深化了模型对股票市场共享信息的理解和把握,进一步地,还设计了一种混频Attention-RNN-HIST模型结构,为股票市场的价格预测提供了一个新的、更为有效的模型框架,并通过设计损失函数和调整学习速率保证了模型的拟合效果,为模型的实际应用提供了保障。

关 键 词：深度学习 HIST模型 混频数据 共享信息 

分 类 号：F832.51[经济管理—金融学] TP18[自动化与计算机技术—控制理论与控制工程]