HANET：基于层次化混合频率注意力模型的宏观感知时间序列预测

——学海拾珠系列之二百七十七 主要观点： 执业证书号：S0010522110001邮箱：luoyushan@hazq.com 分析师：严佳炜执业证书号：S0010520070001邮箱：yanjw@hazq.com ⚫研究背景与动机 金融深度学习长期受限于小样本、非平稳与结构性突变三重掣肘。同时宏观数据为月度低频，而交易决策依赖日度高频信号。本文将检索式注意力范式扩展为"对完整低频宏观历史做注意力"，并设计层次化机制，将月度体制检索结果投射回日度网格，从而在查询/键使用月度宏观信息、值保留日度市场信息的结构下完成条件化预测。 ⚫结构化的宏观交叉注意力显著优于简单的特征拼接 将HANET以层次化交叉注意力方式引入同样的宏观因子后，动量任务夏普比率提升至1.99，套利任务提升至0.91。 1.《基金财务报表信息能预测未来业绩吗？——“学海拾珠”系列之二百七十六》 ⚫注意力权重提供可解释的"体制记忆"机制，并在极端事件中展现跨周期类比能力 2.《基于大语言模型的语义引导搜索Alpha因子——“学海拾珠”系列之二百七十五》 模型呈现"稀疏定位型"与"密集背景型"分化：前者锁定沃尔克紧缩、2008年危机等结构性节点，后者提供弥散的周期性背景。COVID冲击期间模型上调2008年危机权重，2022年通胀飙升期间则转而激活1980年代初高通胀记忆，显示出与历史相似宏观环境相匹配的能力。 3.《基于宏观和市场的状态感知型风险平价——“学海拾珠”系列之二百七十四》 ⚫文献来源 4.《集中度迷思：集中度上升是否意味着风险上升？——“学海拾珠”系列之二百七十三》 核心内容摘选自Daniel Cunha Oliveira、Kieran Wood、StefanZohren、Mihai Cucuringu、André Fujita等人2026年发表于KDD会议的论文《Macro-aware Time Series Forecasting via HierarchicalMixed-Frequency Attention Models》。 5.《自适应市场状态的强化学习在资产配置中的应用——“学海拾珠”系列之二百七十二》 ⚫风险提示 文献结论基于历史数据与海外文献进行总结；不构成任何投资建议。 正文目录 1引言..........................................................................................................................................................................................42相关文献..................................................................................................................................................................................53时间序列因子策略.................................................................................................................................................................73.1时间序列动量信号.................................................................................................................................................................73.2套利信号..................................................................................................................................................................................84预测框架..................................................................................................................................................................................94.1基准序列神经网络模型........................................................................................................................................................94.2通过匹配网络和少样本时间序列检索的注意力...............................................................................................................94.3层次化注意力网络...............................................................................................................................................................105数据集....................................................................................................................................................................................125.1金融数据................................................................................................................................................................................125.2经济数据................................................................................................................................................................................136性能评估................................................................................................................................................................................137实证结果................................................................................................................................................................................147.1时间序列动量任务...............................................................................................................................................................147.2时间序列套利任务...............................................................................................................................................................177.3宏观空间中层次化注意力权重的解释.............................................................................................................................198结论........................................................................................................................................................................................219附录........................................................................................................................................................................................219.1数据集详情...........................................................................................................................................................................219.2实验配置................................................................................................................................................................................239.3选定期货的宏观空间中层次化注意力权重.....................................................................................................................24风险提示：....................................................................................................................................................................