优化深度学习高频因子：注意力机制提升30分钟序列表现

海通证券的最新研究报告《选股因子系列研究（七十九）——用注意力机制优化深度学习高频因子》于2022年5月31日发布。该研究专注于高频交易领域的深度学习策略，此前的研究已在《选股因子系列研究（六十九）》到《七十七》中探讨了高频因子的不同方面，如RNN+NN模型的构建及其周度选股能力。 报告指出，早期的深度学习高频因子在基于30分钟频率的特征序列上表现出良好的超额收益，但当模型处理更长的序列数据时，如GRU和LSTM等循环神经网络的内存管理能力受到挑战，导致因子的选股效果下降。为解决这一“遗忘”问题，研究人员引入了注意力机制，这是一种让模型能够集中处理关键信息的技术，从而提高对长时间序列数据的理解和利用。 报告中提到，传统的逻辑类高频因子，如反转型和动量型因子在2021年经历了挑战。反转型因子的表现下滑，特别是平均单笔流出金额占比之外的因子，而动量型因子中的开盘后买入意愿占比因子表现较好，但强度因子表现欠佳。进入2022年，部分因子经历回撤后有所回升。 针对2021年四季度深度学习高频因子的回撤，研究者分析可能的原因包括市场风格快速变化和因子拥挤效应。他们提出的改进措施包括引入正交层、调整训练集和验证集划分，以及对预测目标进行优化。这些改进明显提升了因子的整体性能。 这篇报告不仅深入剖析了深度学习高频因子的优缺点，还展示了如何通过引入注意力机制来优化模型，以应对高频交易中复杂的数据序列处理问题。这对于投资者理解和应用高频交易策略具有重要的参考价值，同时也为未来的技术改进和发展提供了新的思路。