量化选股新利器:有序回归损失函数提升超额收益
本研究将有序回归损失函数应用于中证500指增模型,结合分类与回归优点,追求“模糊的正确”。以全连接神经网络或残差图注意力网络为基模型,logistic有序回归显著提升Rank IC和多空收益,集成后年化超额收益与信息比率大幅提升,优于传统mse损失函数。
本研究将有序回归损失函数应用于中证500指增模型,结合分类与回归优点,追求“模糊的正确”。以全连接神经网络或残差图注意力网络为基模型,logistic有序回归显著提升Rank IC和多空收益,集成后年化超额收益与信息比率大幅提升,优于传统mse损失函数。
本研究将有序回归损失函数应用于中证500指增模型,结合分类与回归优点,追求“模糊的正确”。以全连接神经网络或残差图注意力网络为基模型,logistic有序回归显著提升Rank IC和多空收益,集成后年化超额收益与信息比率大幅提升,优于传统mse损失函数。
本研究将有序回归损失函数应用于中证500指增模型,结合分类与回归优点,追求“模糊的正确”。以全连接神经网络或残差图注意力网络为基模型,logistic有序回归显著提升Rank IC和多空收益,集成后年化超额收益与信息比率大幅提升,优于传统mse损失函数。核心数据:Rank IC提升;多空收益提升;超额收益提升。
本报告由华泰证券发布,发布于 2022 年。
覆盖 2022 年,全文约 24。
本报告为付费报告,可在资料宝站内下单后获取完整内容。
适合量化研究员、基金经理、金融工程师等读者参考。
重点分析了金融投资、金融投资研究等议题。