摘要
　　本文构建了一种“预测与决策相耦合”的两阶段量化选股框架T2RL（Two-stage Transformer Reinforcement Learning Framework），旨在解决传统深度学习模型仅聚焦于收益率预测而难以实现组合全局优化的问题。该框架将Transformer模型与强化学习算法有机结合，第一阶段通过深度学习挖掘具备投资信号的因子，第二阶段利用强化学习进行动态权重优化，实现从个股预测到投资组合构建的完整闭环，提升策略的收益能力和风险控制水平。
　　阶段一：深度学习因子挖掘。第一阶段构建了融合Transformer与Actor-Critic机制的因子挖掘模型TFAC。该模型利用Transformer的自注意力机制提取量价时序数据中的深度表征，并通过AC框架引入方向准确奖励函数，使模型同样注重收益符号的正确性。回测显示TFAC因子RankIC为0.1119，多头组合年化收益率33.61%，优于传统Transformer模型，且大多数年份跑赢基准。
　　阶段二：强化学习组合权重优化。第二阶段构建了基于Transformer的Soft Actor-Critic组合优化模型TFSAC。该模型首先根据TFAC因子筛选出排名前N的股票构成候选池，将动作空间压缩至可控维度；随后在连续动作空间中学习权重分配策略，以对数收益与方差构建奖励函数，平衡收益与风险。回测显示，单日调仓下T2RL组合在全A范围内相对万得全A等权年化超额收益率50.36%，相对因子多头组合年化超额收益率31.06%；在2日及5日调仓频率下，组合年化收益率相对因子多头组合年化超额收益率分别为24.68%及6.03%。不同调仓频次下策略均能稳定跑赢基准和TFAC等权组合，且在因子短期失效的时期，T2RL仍可跑赢全A指数及多头等权组合。
　　沪深300指数成分股组合：在沪深300成分股内，TFAC因子的RankIC为6.35%，Top10%多头组合相对沪深300年化超额8.55%。T2RLHS300组合在单日调仓下年化收益率42.64%，相对沪深300年化超额收益率30.87%，相对因子多头等权组合超额20.43%；在2日及5日调仓频率下，组合相对沪深300超额收益分别为25.74%和11.91%，且同样可以跑赢因子多头等权组合。分年度看，T2RLHS300在大多数年份均能跑赢基准和等权组合。
　　中证1000指数成分股组合：在中证1000成分股内，TFAC因子的RankIC为9.17%，Top10%多头组合相对中证1000年化超额11.85%。T2RLZZ1000组合在单日调仓下相对中证1000年化超额收益率48.19%，相对因子多头组合年化超额收益率32.21%。在2日及5日调仓频率下相对中证1000年化超额收益率分别为42.88%和27.35%。相对因子多头等权组合年化超额收益率分别为27.47%以及13.62%。
　　风险提示：报告对应的相关结论完全基于公开的历史数据进行算法构建、统计以及计算，文中部分数据有一定滞后性，同时也存在第三方数据提供不准确或者缺失等风险；策略效果仅针对于回测区间得出，文中提到的策略默认以开盘价进行权重调整，实际组合构建过程可能会有交易冲击，回测结果并不预示其未来表现，也不能保证未来的可持续性，亦不构成投资收益的保证或投资建议。