加载中...
本报告提出两阶段端到端量化框架T2RL:阶段一用Transformer+Actor-Critic(TFAC)挖掘方向性更强的因子,阶段二用基于Transformer的SAC(SAC_TF)在候选池内动态优化权重,形成预测到配置的闭环以提升组合回报与风险控制 . 实证中TFAC因子(2019.01-2026.02)RankIC=0.1119,多头Top10%年化收益33.61%,优于传统Transformer(RankIC=0.0963). 基于TFAC筛选并以SAC_TF做日度权重优化的T2RL在全A回测中单日调仓年化收益约64.67%,相对万得全A等权年化超额约50.36%,在沪深300与中证1000成分股内也分别表现出显著超额收益能力 .
| 模型 | IC | ICIR | Top10% 年化收益 | 年化波动率 | 信息比率 | 最大回撤 | 单边10日平均换手 |
|---|---|---|---|---|---|---|---|
| Transformer | 0.0963*** | 4.33 | 31.32% | 24.93% | 1.29 | 36.05% | 0.65X |
| Transformer_AC (TFAC) | 0.1119*** | 5.39 | 33.61% | 23.95% | 1.40 | 31.61% | 0.73X |
| 策略 | 年化收益率 | 年化波动率 | 信息比率 | 最大回撤 | 相对万得全A等权 超额 | 相对TFAC100 超额 |
|---|---|---|---|---|---|---|
| T2RL-单日 | 64.67% | 24.91% | 2.60 | 33.96% | 50.36% | 31.06% |
| T2RL-2日 | 58.29% | 24.41% | 2.39 | 27.98% | 43.98% | 24.68% |
| T2RL-3日 | 50.75% | 24.45% | 2.08 | 28.17% | 36.44% | 17.14% |
| T2RL-4日 | 45.36% | 24.41% | 1.86 | 29.90% | 31.05% | 11.75% |
| T2RL-5日 | 39.64% | 24.72% | 1.60 | 29.92% | 25.33% | 6.03% |
报告元数据与概览
逐节深度解读
图表与表格深度解读(逐图/表)
估值与收益解释(没有传统估值模型)
风险因素评估(报告列举与隐含风险)
批判性视角与方法学细节
结论性综合
致谢:本文所有引用与数值均直接来源于原报告相应章节与表格/图表(已在句末标注页码以便溯源).
【西南金工】T2RL:端到端深度强化学习因子挖掘与组合优化框架.pdf