因子選股系列之一一八：DFQ_TimesNet，捕捉量價特征周期規律，提升股票收益預測效果.pdf

因子選股系列之一一八：DFQ_TimesNet，捕捉量價特征周期規律，提升股票收益預測效果。

研究背景與問題：傳統模型難以適配 A 股多周期量價特征，預測穩定性不足

A 股量價時序存在顯著多周期結構，傳統模型難以有效利用周期信息：LSTM/GRU 長期記憶不足、TCN 難以捕捉周期規律、Transformer 易受噪聲干擾、HIST 模型忽 視個股時序周期，均無法滿足穩定預測需求。

模型設計與創新：二維時序建模 + 雙周期結構，顯著提升周期規律捕捉能力

DFQ-TimesNet 基于 TimesNet 二維時序建模框架，將一維量價序列轉為二維結構 以解耦周期內波動與跨周期關聯，顯著提升周期特征捕捉能力：采用 5 日+60 日雙 周期設定，放棄不穩定的 FFT 自動周期識別；使用 TokenEmbedding、兩層 Inception 卷積、直接平均周期融合與殘差連接，構建高效穩定的時序特征提取模 塊。

數據與訓練配置：數據處理與訓練機制成熟，模型穩定性與一致性達標

模型以中證全指為樣本，采用 2014-2025 年分段數據并設置隔離間隙避免信息泄 露；解釋變量按日截面 Z-score+clip 處理，預測標簽選用未來 20 日收益率標準化 結果，以基礎量價特征為輸入效果最優；訓練早停收斂、無過擬合，隨機種子影響 可控，輸出一致性高。

因子績效表現：多股票池表現優異，風格暴露清晰可控

模型在多股票池均表現優異，分組單調性良好：中證全指 IC 達 12.50%，多頭超額 年化 30.05%；小盤股場景適配性顯著優于大盤股，中證 1000 因子表現最為突 出；風格暴露清晰可控，呈現小市值、高 Beta、低波動、低確定性、反轉特征，價 值與流動性保持中性。

指數增強效果：組合收益穩健，特質收益主導超額收益

模型應用于指數增強組合收益穩健、風險可控，超額收益由特質收益主導：滬深 300 增強特質收益占比 52%，中證 500 占比 64%，中證 1000 占比 66%；其中中 證 1000 增強表現最優，年化對沖收益 15.80%，信息比 1.90，同類排名領先。

總結：模型周期感知能力突出，實戰與泛化價值顯著

DFQ-TimesNet 通過二維多周期建模有效挖掘 A 股量價周期規律，因子績效穩定、 風格無極端偏離、組合收益突出、泛化能力強，可為量化選股與指數增強策略提供 可靠支撐。