这篇论文提出了一种名为DSPO（直接排序投资组合优化）的端到端深度学习框架，用于直接从原始多频股票数据构建特征排序投资组合。该框架通过股票级多频融合模块处理高频交易数据和低频基本面数据，利用跨股票Transformer建模全市场股票间的依赖关系，并创新性地设计了单调逻辑回归损失函数（MonLR）来直接优化投资组合排序目标。实验表明，DSPO在纽交所和A股市场分别实现了10.12%和9.11%的RankIC，累计收益超过120%，且收益波动仅为传统方法的1/10，展现了优异的性能和稳定性。

欢迎对量化感兴趣的朋友加微信索取原文或者交流：ctaxiaobai