摘要：本报告提出了一种多维度指数日频择时框架，旨在通过仓位择时优化绝对收益策略和股指期货策略的绩效。框架基于多维度因子体系，包括80个分析师预期因子、134个资金流因子、43个高频聚合低频特征，以及2020年后引入的深度学习因子（涵盖日频LSTM模型和高频分时数据L

本报告提出了一种多维度指数日频择时框架，旨在通过仓位择时优化绝对收益策略和股指期货策略的绩效。框架基于多维度因子体系，包括80个分析师预期因子、134个资金流因子、43个高频聚合低频特征，以及2020年后引入的深度学习因子（涵盖日频LSTM模型和高频分时数据LSTM模型）。

深度学习因子预测框架以未来一天收益为目标，利用日度和分时数据捕捉隔夜信号，并采用改进的MADL损失函数进行方向判断。通过信号融合将三类基础因子与两类深度学习因子聚合，形成最终择时信号，回测结果显示多空策略年化收益达46%（夏普比率2.37），仅多头策略年化收益23%。此外，策略进一步融合选股模型以增强收益结构。本框架验证了仓位择时的可行性和有效性，为量化投资提供了稳健的解决方案。

本报告所有分析均基于公开信息，不构成任何投资建议；若市场环境或政策因素发生不利变化将可能造成行业发展表现不及预期；报告采用的样本数据有限，存在样本不足以代表整体市场的风险，且数据处理统计方式可能存在误差；过往业绩不代表未来表现；历史规律总结仅供参考，或不会完全重演。

// 报告正文 //

研究报告名称：《基于LSTM神经网络的择时融合多因子选股策略》

对外发布时间：2025年11月13日

报告发布机构：华福证券研究所

来源：新浪财经