股票收益预测在学术上和实践上都是一个重要的研究课题。到目前为止,已经有各种股票价格或者股票收益预测的论文发表。这些方法大致可分为时间序列分析和截面分析两个方面。时间序列分析方法是将过去的股价作为时间序列数据特征进行分析,目的是为了预测单个股票价格的时间序列走势。截面分析方法使用公司属性、市场交易等截面数据进行截面回归分析,目的不是预测单个股票的时间序列走势,而是为了解释股票的截面收益率或者预测股票未来的预期收益率,从而可以根据所得结果构建投资组合获取收益。目前大多数股票投资研究以时间序列分析为主,即预测股票或期货等标的物的价格走势。时间序列分析虽能对单个股票走势做出判断,低买高卖,或根据波动率时序预测进行方向选择。相对时间序列分析研究,截面投资研究数量要少很多,并且大多数截面投资研究均建立在月度的时间维度上,很少有建立在日级别时间周期的截面收益预测研究,而A股市场由散户投资者主导,许多散户投资者的投机和短期交易动机可能会导致换手率的增加,使得日级别波动率增大,从而导致巨大的回撤。本文受行为金融学启发,旨在发现交易行为的供求关系变化导致的股票截面预期收益的差异。从股票市场短期的交易中,抽取日级别交易数据特征作为自变量,截面特征不涉及任何公司基本面信息,为纯粹的交易数据抽取特征。根据日级别预期收益率时限计算时段收益率作为因变量,利用深度学习模型进行滑窗训练,从而建立量化输入、量化决策的日级别非线性A股投资框架,并从模型、滑窗以及预期收益率时限的角度,进行广义调参,对投资框架的收益与风险、投资框架稳定性及框架超参数的协同性分别进行研究与评价。