【华安证券·金融工程】专题报告：DiffsFormer：基于扩散模型的因子增强框架

文章预览

点击上方 蓝字  关注华安证券研究 主要 观点 本篇是“学海拾珠”系列第一百八十五篇，作者证明股票预测通常存在数据 低信噪比（SNR） 和 数据同质化 这两方面的数据稀缺问题，对准确预测构成重大障碍。为了解决问题，本文作者引入扩散模型（DM）来生成具有 Transformer 架构（DiffsFormer）的股票因子。该框架主要借助 标签和行业信息来增强时间序列选股因子 。此外，深入了解DiffsFormer 各组件功能，并开发出几种新技术来提高模型的整体表现、时间效率以及降低波动性。最后，作者在沪深 300 和中证 800 两个数据集，采用 8 种常用的机器学习模型进行实证。 回到国内市场，挖掘 alpha 的难度日益提高，本文基于 DiffsFormer的因子增强框架较为新颖，值得一看。 将 DM 从生成任务调整为有监督学习任务提高股票预测能力 股票预测任务中，干净且信息丰 ………………………………