西部证券：人工智能和机器学习系列研究（1）：多模型、多数据、多跨度融合的深度学习GRU因子

本文以 GRU 模型为基础，通过融合多种模型、数据类型和时间跨度，较为 显著地提升了股票收益的预测效果。 多模型融合提升预测准确性。GRU 模型具备很强的处理数据中长期依赖关 系的能力，故被广泛应用于时间序列的预测。进一步引入双层 GRU、 CNN-GRU 和 Attention-GRU 等变体后，我们能更全面地捕捉数据中的信息， 从而提高预测精度。其中，双层 GRU 可以增加网络深度、CNN-GRU 则利 用了卷积神经网络的局部特征提取能力，Attention-GRU 通过自注意力机制 缓解了信息遗忘问题。多模型的融合，有望使最终的预测结果变得更加稳定 和准确。