量化学习笔记:引入混合神经网络的中长期国债收益率预测(附下载)

本篇报告为光大固收团队量化学习笔记的第二篇，我们通过构建包含宏观经济、货币政策、市场情绪等指标在内的输入变量来丰富模型的学习维度，在长短期记

忆神经网络（LSTM）的基础上，引入门控神经网络（GRU）、卷积神经网络（CNN）和注意力机制（ATT）构建多层混合神经网络模型来尝试优化预测效能。通过评估和对比不同模型对十年期国债收益率的中、长期走势预测效果，最终得到最优模型，并基于此最优模型给出 2026 年各月的国债收益率走势预测。