主要观点总结
东方证券举办关于量化研究的线上会议，会议将探索量化研究的前沿与应用，包括深度学习等多维度。会议通过整合日频、日内、和Level-2三类量价特征，利用SVM、XGBoost、和Transformer模型揭示量价特征和未来收益率之间的底层关系。集成模型在多个特征集测试中表现优异，验证了多模型整合的有效性。
关键观点总结
关键观点1: 会议主题与目的
东方证券举办线上会议，深入探索量化研究的前沿与应用，包括深度学习、多因子及指数增强等各个维度。会议旨在带来启发与思考，拓宽知识视野，为研究和投资赋能。
关键观点2: 会议的研究方法与模型
研究整合日频、日内、和Level-2三类量价特征，利用SVM、XGBoost、和Transformer模型，揭示量价特征和未来收益率之间的关系。集成模型通过五分类标签的方式，使用预测概率加权生成最终的量价合成因子。
关键观点3: 集成模型的表现与优势
集成模型在三个特征集的测试中表现优异，RankIC和年化超额收益等指标都优于单一模型。各模型如SVM、XGBoost、和Transformer在不同特征数据上的表现各有优劣，集成模型充分利用了它们各自的特点。
关键观点4: 风险提示
量化模型基于历史数据分析，未来存在失效风险。极端市场环境可能对模型效果造成剧烈冲击，导致收益亏损。投资者应紧密跟踪模型表现，注意投资风险。
文章预览
尊敬的各位投资者， 从今年开始，我们将举办一系列关于量化研究的线上会议。在“ 说深度 ”这个系列的会议中我们将通过 汇报深度专题研究报告 的形式，深入探索量化研究的前沿与应用，包括深度学习、多因子及指数增强、主动量化、行业轮动、基金评价、FOF、可转债等各个维度，希望能为您带来启发与思考。 我们相信，通过参加这个系列的会议，您将能够深入了解我们团队在量化研究方向的最新动态，拓宽您的知识视野，为您的研究和投资赋能。 欢迎各位投资者 扫码或者联系研究员/对口销售报名 参会，期待与您一同探索量化研究的精彩世界！ 谢谢您的关注与支持！ 核心观点 研究通过整合日频、日内、和Level-2三类量价特征，利用SVM、XGBoost、和Transformer模型，揭示了量价特征和未来收益率之间的底层关系。通过五分类
………………………………
