因子切割论与深度学习结合应用研究

> 20250726-开源证券-市场微观结构研究系列（28）：因子切割论与深度学习的结合应用

该文件详细介绍了开源证券金融工程研究团队开发的因子切割论及其与深度学习的结合应用。报告首先回顾了因子切割论这一方法论，它旨在通过“对象”、“刀法”和“产出”三要素来剖析市场精细结构，以理想反转因子的构建为例进行了阐述。接着，文章引入了双分支差异网络模型（DBD-GRU），该模型将切割论思想与GRU模型相结合，用于改进和优化现有金融因子。报告通过实证分析，展示了DBD-GRU模型在理想振幅因子、理想反转因子和主动买卖因子上的优异表现，并强调了其信息增量和在不同宽基指数中的良好应用效果，但同时提示了基于历史数据模型的风险。