受到之前wywy1995的思路启发，加深了机器学习对因子拟合的信心。其实所谓的多因子策略，就是利用因子在历史数据进行拟合 玩法很简单，和多因子计算IC的方式一样，只是损失函数有一些trick。训练出来的网络预测下一期各个股票的涨跌。然后按照权重求和，推算下指数涨跌，涨就买300ETF，跌就空仓。如果双向操作效果应该更好？ **因子的选择** 不做任何主观选择，聚宽上面的所有因子，抛弃了nan较多的，剩下了100多个。 **为何选择hs300？** 首先沪深300有固定的股票池，数量较少，适合聚宽免费用户的数据量和计算量。 而且核心权重股票，体现出来的特点更具备统计特性，不会被某单一庄玩出花 以前尝试单独学指数，效果很差，现在想来可能是数据量不够。现在把300只股票的数据都抓进来学，预测完后按照权重叠加。 **模型：**用的最简单的线性层，这个数据量已经有不错的效果了。后面考虑用多期数据做成序列，试试transformer。 第一个回测是训练样本周期里面跑的，主要是为了验证代码里的数据正确性。  效果不错，试试样本外。第二个回测是在训练周期外的  绝对收益一般吧，超额收益还是不错的，应该超过那些指数增强了吧。 附件一个是模型，一个是归一化参数，感兴趣的可以玩玩 回测的模版也是从wywy的框架改的，感谢 希望大家可以留言交流，看看有什么bug没