MODEL 12%
模型研究
- 当前状态
- 数据口径确认中
- 下一步
- 确认数据字段与股票池
AI-Fin Camp / Project Dashboard
市场状态自适应 FT-Transformer
A 股横截面收益预测研究。复现 FT-Transformer，并检验市场状态条件化是否能改善样本外收益排序。
更新于 2026-07-22
项目介绍
让模型根据市场状态，动态调整因子表示
项目以 A 股日频量价因子为输入，在统一数据切分和回测口径下，比较传统基线、原始 FT-Transformer、市场变量直接拼接与市场状态自适应模型。重点检验模型能否在样本外稳定提升 Rank IC 和分组收益，而不是预设复杂模型一定更好。
查看完整研究设计- 研究对象
- A 股横截面收益排序
- 核心方法
- FT-Transformer + Adaptive LayerNorm
- 检验标准
- Rank IC / 分组收益 / 消融对照
整体进度 19% · 方案锁定 / 开始执行
测试区间 2024 - 2025
Wangwen 基线 42 tests passed
预测接口 datetime / code / value
ENGINE 38%
Wangwen
- 当前状态
- 基础回测链路已可用
- 下一步
- 完成包名迁移并固化自定义收益接口
PRE 8%
研究展示
- 当前状态
- 展示素材准备中
- 下一步
- 完成论文阅读卡与统一模板
当前任务
先完成数据闭环，再推进模型创新。
确认股票池、行情字段与数据时间范围 数据
FT-Transformer 一页阅读卡与结构图 文献
建立数据字典和未来信息检查表 数据
Wangwen 包名迁移回归测试 Wangwen
建立实验台账模板 实验
确定 Pre 模板与结果展示规范 Pre
最小研究架构
一个复现、一个创新、四组对照。
量价因子15 - 30 个
Feature Tokenizer每个因子一个 token
FT-Transformer因子交互
Adaptive LN市场状态条件化
收益排序IC / Rank IC
唯一结构创新
由市场收益、波动与流动性生成 LayerNorm 的缩放与偏置参数，并与“直接拼接市场变量”进行消融比较。
里程碑
按闭环推进，不按模块数量推进。
1
P0.1 数据闭环
完成特征、标签、时间切分和预测文件规范。
2
P0.2 基线闭环
跑通 MLP / LightGBM 与原始 FT-Transformer。
3
P1 创新闭环
完成直接拼接与自适应 LayerNorm 的消融比较。
4
P2 展示闭环
输出回测图表、结论、局限与答辩材料。
WANGWEN WORKSTREAM
查看草稿 PR 研究需求驱动回测框架迭代
每轮实验记录模型提交、Wangwen 提交和数据版本；框架更新先跑测试，再进入正式结果。