该指数增强策略采用深度学习预测+强化学习优化的动态决策框架,替代传统静态凸优化。具体分为两个阶段:
- 深度学习模块:通过Transformer、GraphSage、MLP三层架构提取42个基础量价指标特征,以rankIC为核心损失函数预测个股未来夏普比率和最大回撤信号,风险信号预测准确度更优。
- 强化学习模块:以PPO模型为核心,输入预测信号、组合特征、市场环境、基准特征四类信息,搭配多维度综合奖励函数,并配套滚动训练、多模型集成、不达标的回退机制。
回测结果:
- 科创50指数增强:年化超额收益达12.5%,远超传统凸优化的5.2%。
- 沪深300指数增强:年化超额收益略低于凸优化,但回撤控制表现更优。