AI+HI系列(8)：DecompGRNv1，基于线性RNN的端到端模型初探

AI+HI系列(8) DecompGRN v1:基于线性RNN的端到端模型初探 ❖前言 华创证券研究所 随着LLM模型对处理序列长度的要求日益严苛，RNN/SSM模型因其线性推理效率的优势而重返学术前沿。受此启发，我们重新审视了在端到端量价因子挖掘任务中经典GRU网络内部改造的可能性。 证券分析师：王小川邮箱：wangxiaochuan@hcyjs.com执业编号：S0360517100001 我们首先从一个高度简化的线性RNN出发，发现在参数量锐减的前提下，其表现足以媲美GRU基线，在此基础上，我们延续并拓展了先前“时序-截面”交互的研究思路，设计了全新的DecompGRN模型。该模型的核心创新在于将股票间的截面信息直接整合进RNN的门控单元，不仅实现了模型逻辑与参数量的双重简化，在综合性能上也超越了基线模型。 联系人：洪远邮箱：hongyuan@hcyjs.com ❖测试结果 相关研究报告 《AI+HI系列（7）：DecompGRU：基于趋势分解的时序+截面端到端模型》2025-03-13《AI+HI系列（5）：CrossGRU-2：基于Patch与多尺度时序改进端到端模型》2024-07-05 我们在150D数据集，以GRU模型作为基线对DecompGRN进行测试； 在中证全指/沪深300 /中证500 /中证1000域内，10日RankIC为0.141 /0.099 / 0.098 / 0.127，RankICIR分别为1.26 / 0.65 / 0.77 / 1.08，均强于基线模型； 周度分组测试中，不计交易成本，TOP组在全指域内年化收益达57.68%；在中证全指/沪深300 /中证500 /中证1000域内，年化收益分别相比基线+5.28% /-0.64% / +0.73% / +1.88%。 基于DecompGRN构建指增组合，在双边换手30%约束，千三交易成本下，沪深300 /中证500 /中证1000指增组合年化超额收益分别为10.24%、10.05%、19.58%，2025年截至8月27日，沪深300 /中证500 /中证1000增强组合累计超额为3.93% / 6.72% / 18.26%。 ❖风险提示： 策略基于历史数据回测，不保证未来数据的有效性。深度学习模型存在过拟合风险。深度学习模型受随机数影响。 投资主题 报告亮点 我们注意到学术研究上近年对RNN类模型的新设计，受此启发，本篇报告中，我们继续完善时序+截面的端到端框架，使用更为简单的线性RNN模块来设计端到端模型，为广大投资者提供新的研究思路，助力量化投资的发展。 投资逻辑 时序与截面数据在量化投资领域处处可见，通过深度学习网络实现时序或截面信息的信息挖掘具有相当的潜力。本篇报告提出了基于深度学习的量价因子挖掘模型，进一步探索深度学习在量化领域上的运用。 目录 一、动机............................................................................................................................5二、模型介绍....................................................................................................................6 （一）实验设置.......................................................................................................7（二）因子测试结果...............................................................................................81、IC测试结果....................................................................................................92、分组测试结果.................................................................................................93、模型效率.......................................................................................................11 四、拓展模型..................................................................................................................12 （一）IC及分组测试结果....................................................................................13（二）指增测试.....................................................................................................15 五、总结..........................................................................................................................17 六、风险提示..................................................................................................................17 1、DecompGRU模型........................................................................................192、DecompGRN vs DecompGRU......................................................................20 图表目录 图表1 LRU模型.............................................................................................................5图表2 RNN-LIN层结构.................................................................................................6图表3滚动训练流程......................................................................................................7图表4模型通用框架......................................................................................................7图表5训练参数设定......................................................................................................8图表6因子打分风格相关性..........................................................................................8图表7因子打分相关性..................................................................................................9图表8 10日IC统计结果...............................................................................................9图表9 TOP组全区间绩效统计....................................................................................10图表10 TOP全区间组绩效统计（层数为2）...........................................................10图表11模型效率对比..................................................................................................11图表12 DecompGRN模型流程...................................................................................12图表13 10日IC统计结果...........................................................................................13图表14 TOP组全区间绩效统计..................................................................................13图表15中证全指-所有分组年化收益对比.................................................................14图表16中证全指-TOP组超额走势对比.....................................................................14图表17沪深300-所有分组年化收益对比..................................................................14图表18沪深300-TOP组超额走势对比......................................................................14图表19中证500-所有分组年化收益对比..................................................................14图表20中证500-TOP组超额走势对比......................................................................14图表21中证1000-所有分组年化收益对比................................................................15图表22中证1000-TOP组超额走势对比.....................................................