Hypotheses
中国A股流动性特征驱动的月度神经网络选股
提取文章的具体机制：用历史流动性与波动特征预测个股未来约一个月收益，再按预测排序配置组合。保留中国股票市场，使用CNEQ日线。由于CNEQ为长仓现金账户，将论文多空组合明确适配为预测领先股票的长仓组合，其余资金持有现金。本文摘要没有完整108项特征定义、模型训练细节或历史股票池，因此这是来源启发的缩减实验，不是论文复现，也不继承其收益声明。模型只在每个评估窗口开始前的历史训练段拟合，评估段内冻结；使用已完成日线产生信号并在信号日收盘提…
Hypothesis
提取文章的具体机制：用历史流动性与波动特征预测个股未来约一个月收益，再按预测排序配置组合。保留中国股票市场，使用CNEQ日线。由于CNEQ为长仓现金账户，将论文多空组合明确适配为预测领先股票的长仓组合，其余资金持有现金。本文摘要没有完整108项特征定义、模型训练细节或历史股票池，因此这是来源启发的缩减实验，不是论文复现，也不继承其收益声明。模型只在每个评估窗口开始前的历史训练段拟合，评估段内冻结；使用已完成日线产生信号并在信号日收盘提交市场单，不要求下一交易日开盘成交。
Analysis
中国的股票回报是否可预测？机器学习方法（SSRN-3971419) - BigQuant量化交易
Backtest and paper results are hypothetical. Trading involves risk of loss.