通过tushare Pro取沪深300成份股最近一个月的行情数据，使用RNN算法根据每股收益和市值排序做分组收益率回测。

1. 数据收集和清洗：使用Tushare Pro API来获取沪深300成份股的历史交易数据。通过数据合并，清理和处理来创建了一个新的数据框架（df_merged）以供模型使用。
2. 特征工程：使用每股收益（eps），市值（circ_mv）和收盘价来创建模型的输入特征。对数据进行了标准化处理，将其转换为时间序列形式，并根据每股收益和市值排序，将数据分为多个组。
3. 模型构建和训练：使用了LSTM模型来预测股票收益率，并使用了训练集和测试集来训练和测试该模型。对模型进行了50次迭代，使用Adam优化器和均方误差损失函数来优化模型参数。
4. 模型评估和可视化：使用R方值来评估模型的性能，并绘制了训练和验证损失的可视化图表。
5. 回测和分析：将每个数据点划分到不同的组中，并计算每个组的收益率。