> 数据图表如何了解综合因子形成过程2025-5-2整个 AI 综合因子生成的框架分为四个部分，数据预处理、提取因子单元、因子加权以及因子汇总。数据预处理包括去极值、标准化和补充缺失值三个步骤，而提取因子单元则是通过 RNN、残差网络和图模型等将输入的特征转化成一系列具有一定选股能力的弱因子，与此同时我们还使用 ABCM 模型（参见报告ABCM：基于神经网络的 alpha 和 beta 因子协同挖掘模型）同时生成风险因子，因子加权则是利用决策树等对这些神经网络自动挖掘生成的弱因子进行二次加权，其中考虑到风险因子和 alpha 因子的性质（风险因子长期和未来收益率方向无序且不可预测，但短期具有一定的可预测性，alpha 因子长期与未来收益率方向一致，且函数关系较为稳定），我们对两部分因子进行不同方式的二次加权，最后将两部分因子通过人工方式进行汇总形成综合得分，整个流程如下图所示：东方证券金融地产
