20250116-国盛证券-量化专题报告_基于深度学习的短周期量价风控体系_17页_1mb

近年来，由于市场波动放大和风格切换速度加快，指数增强基金在2024年经历了多次超额收益回撤。本报告基于深度学习，从量价数据中构建了8个维度的短周期风险因子，使用LSTM和图注意力网络(GAT)模型提取特征，并剥离alpha信息以确保纯风险刻画。

尽管风格因子曾被视为改善风险的途径，但研究发现其约束对组合风险改善效果有限。短周期量价风险约束在中证500和中证1000等宽基指数上，能有效降低波动和回撤而不损害收益，2024年回撤幅度显著降低。相比之下，在沪深300指数上效果有限，可能与风险要素套不适性或市场结构相关。

总体上，该方法提供了一种改进指数增强风险控制的工具，但需注意模型可能基于历史数据，并受风格切换和潜在过拟合影响。