EP126 基于状态转移自适应后验动态因子模型的股票收益预测

这篇论文提出了一种名为RSAP-DFM的创新动态因子模型，用于股票收益预测。该模型通过双状态转移机制（跳跃编码器和载荷编码器）首次实现了宏观经济状态在连续区间内对因子收益和因子暴露的动态调整，并采用对抗性后验因子校正先验因子的映射偏差。模型结合多头注意力机制构建高斯分布采样的因子，并设计了两阶段优化算法进行训练。在A股市场的实验表明，RSAP-DFM在预测精度（Rank IC达0.1025）和投资表现（夏普比率6.0）上均显著优于现有方法，为解决传统因子模型难以适应复杂经济环境和数据噪声问题提供了新思路。

欢迎对量化感兴趣的朋友加微信索取原文或者交流：ctaxiaobai