股票 
板块 
用户 
资讯 点击上方 “光大证券研究”可以订阅哦
特别申明：
本订阅号中所涉及的证券研究信息由光大证券研究所编写，仅面向光大证券专业投资者客户，用作新媒体形势下研究信息和研究观点的沟通交流。非光大证券专业投资者客户，请勿订阅、接收或使用本订阅号中的任何信息。本订阅号难以设置访问权限，若给您造成不便，敬请谅解。光大证券研究所不会因关注、收到或阅读本订阅号推送内容而视相关人员为光大证券的客户。
今日聚焦
1、从静态因子清单到滚动筛选
模型优化方面，将原“一次性筛选、长期固定”的静态因子清单改造为“滚动窗口内动态重筛”，在每个模型重训周期，基于当期训练窗口重新执行完整因子筛选流程。对2023年1月3日至2026年9月30日共935个交易日的信号进行滚动实测（滚动步长与测试集长度均为5个交易日，累计迭代187次），样本外测试集平均准确率达55.7%、加权F1为55.6%，测试集首日准确率57.2%、加权F1 56.9%。
2、进一步的尝试
我们以GRU模型为基线，从预测模型、因子筛选窗口和因子入选门槛三个维度进行消融实验，进一步探索模型优化空间。同时在样本外准确率和加权F1的基础上，重点观察模型针对收益率上行类别的召回率（Recall_1）以及其预测信号中上行类比例和真实比例之差（ΔP1），避免过度偏置预测出现的准确率虚高。
（1）测试1：引入XGBoost、随机森林、SVM与MLP模型同GRU进行对照。结果显示，GRU不仅在样本外胜率（55.7%）与加权F1（55.6%）上整体占优，且是唯一同时满足较高准确率与较低信号偏置的模型，逐年预测胜率稳健性最佳。
（2）测试2：将因子筛选窗口由近10年分别缩短至近5年、近3年，结果显示胜率表面持平，但加权F1与Recall_1随筛选窗口缩短单调下行，逐年预测胜率稳健性下降。
（3）测试3：分别放宽因子聚类阈值与IC入选门槛，结果显示未能带来统计意义上的优化，逐年预测胜率稳健性亦出现下降。
综合表明，相较于其他模型，神经网络模型存在预测优势，当前基线模型的因子清单已覆盖因子池核心信息，缩短窗口或放宽门槛无益。
3、基于模型信号的择时交易策略
取模型测试集首日信号模拟周度调仓，构建如下2个择时交易策略，回测期2023年1月3日至2026年9月30日，回测期内2个组合累计收益和年化收益均跑赢比较基准，且在震荡市中表现出明显超额。
（1）久期轮动策略：模型看多时全仓中债-国债总财富7-10 年指数，看空时全仓中债-国债总财富1-3 年指数；比较基准策略：持续半仓1-3年指数、半仓7-10 年指数。
（2）国债期货多空策略：模型看多时做多10年国债期货，看空时做空10年国债期货；比较基准策略：持续做多10年国债期货。
风险提示：模型预测存在误差；模型预测存在过拟合和欠拟合风险；模型预测基于历史数据，存在未来失效风险。
发布日期：2026-11-07
免责声明
本订阅号是光大证券股份有限公司研究所（以下简称“光大证券研究所”）依法设立、独立运营的官方唯一订阅号。其他任何以光大证券研究所名义注册的、或含有“光大证券研究”、与光大证券研究所品牌名称等相关信息的订阅号均不是光大证券研究所的官方订阅号。
本订阅号所刊载的信息均基于光大证券研究所已正式发布的研究报告，仅供在新媒体形势下研究信息、研究观点的及时沟通交流，其中的资料、意见、预测等，均反映相关研究报告初次发布当日光大证券研究所的判断，可能需随时进行调整，本订阅号不承担更新推送信息或另行通知的义务。如需了解详细的证券研究信息，请具体参见光大证券研究所发布的完整报告。
在任何情况下，本订阅号所载内容不构成任何投资建议，任何投资者不应将本订阅号所载内容作为投资决策依据，本公司也不对任何人因使用本订阅号所载任何内容所引致的任何损失负任何责任。
本订阅号所载内容版权仅归光大证券股份有限公司所有。任何机构和个人未经书面许可不得以任何形式翻版、复制、转载、刊登、发表、篡改或者引用。如因侵权行为给光大证券造成任何直接或间接的损失，光大证券保留追究一切法律责任的权利。
评论 (0)