20230812-浙商证券-金融工程深度_机器学习与因子（二）_Transformer特征工程算法测评_22页_1mb

报告分析总结：本报告探讨了Transformer算法在股票投资中的应用，作为金融工程的一部分。Transformer基于自然语言处理技术，展示出在处理序列数据（如金融时间序列）中的优势，能有效进行特征工程和股票筛选。研究使用月频数据，测试了模型在中证1000、中证500、沪深300和全市场股票池的表现。结果显示，Transformer能产生稳定超额收益，IC值约为0.0047，IR值为0.69，但对比其他十种机器学习模型未显优势，可能因样本量不足。全市场测试显示多空组合收益良好，但模型依赖历史数据，收益不保证未来。总体而言，Transformer在特定条件下有潜力，但需更多数据优化。

关键点包括：Transformer架构通过自注意力机制捕捉长期依赖；超参数测试确定了最佳模型结构；实证验证在股票池中递增收益率随Transformer分数提高；风险强调模型失效可能。