机器学习系列之十：时间序列重采样与多尺度多窗口信息融合模型-250829-东北证券

报告摘要

时间序列的采样方式在一定程度上影响特征的有效性。布不均，比如早盘高成交量时段采样过少导致有效信息过载而被掩盖，午盘低成交量时段有效信息不足但采样过多从而引入噪声。

核心要点

3.1.
3.1.1.
3.1.2.
3.2.
4.1.
4.1.1.
4.1.2.
4.1.3.

报告信息

文件全名: 《机器学习系列之十：时间序列重采样与多尺度多窗口信息融合模型-250829-东北证券-32页.pdf》
适合读者: 投资人行业研究员
核心数据: 的冗余性，然后由预测模块进行多窗口特征的整合得到输出。
月度因子 Rank IC：15.53%，ICIR：
1.73，周度因子 Rank IC：13.05%，ICIR：1.47。
在周单边换手 10%上限的约束下，2018 年 1
月至 2025 年 8 月周频调仓的沪深 300 增强组合年化超额收益率 10.27%，
核心议题: 沪深

常见问题

《机器学习系列之十：时间序列重采样与多尺度多窗口信息融合模型-250829-东北证券》主要包含哪些内容?

时间序列的采样方式在一定程度上影响特征的有效性。布不均，比如早盘高成交量时段采样过少导致有效信息过载而被掩盖，午盘低成交量时段有效信息不足但采样过多从而引入噪声。核心数据:的冗余性，然后由预测模块进行多窗口特征的整合得到输出。;月度因子 Rank IC：15.53%，ICIR：;1.73，周度因子 Rank IC：13.05%，ICIR：1.47。。

这份报告由哪家机构发布?

本报告由东北证券发布,发布于 2025 年。

这份报告覆盖哪一年、篇幅多大?

覆盖 2025 年,全文约 32。

这份报告是免费的吗?如何获取?

本报告免费查阅,登录资料宝后即可在线获取完整内容。

这份报告适合哪些读者?

适合投资人、行业研究员等读者参考。

报告涉及哪些关键议题?

重点分析了沪深等议题。