HireVAE：一种基于分层与机制切换 VAE 的在线自适应因子模型

因子模型是量化投资中的基础投资工具，可通过深度学习赋能，使其在实际复杂的投资环境中更加灵活高效。然而，如何构建一个能够在在线且自适应设定下进行股票预测的因子模型仍是一个开放问题，该模型需仅基于时点市场信息识别当前市场机制并自我调整以与之匹配。为应对此问题，我们提出了首个基于深度学习的在线自适应因子模型 HireVAE，其核心是一个分层潜空间，嵌入了市场状况与个股层面潜因子之间的潜在关系，从而 HireVAE 仅利用历史市场信息即可有效估计有用的潜因子并随后预测准确的股票收益。在四个常用的真实股票市场基准上，所提出的 HireVAE 在主动收益方面相较先前方法展现出更优性能，验证了此类在线自适应因子模型的潜力。