行业研究报告

AlphaNet改进:结构和损失函数优化,因子挖掘神经网络新突破

2021-07金融投资21华泰证券

华泰证券提出AlphaNet三个改进方向:自定义Dropout提升训练速度、损失函数中性化剔除风格因子、提高多头样本权重。改进模型相对中证500累积超额收益显著优于基线模型。

报告摘要

华泰证券提出AlphaNet三个改进方向:自定义Dropout提升训练速度、损失函数中性化剔除风格因子、提高多头样本权重。改进模型相对中证500累积超额收益显著优于基线模型。

核心要点

  1. 引言
  2. 特征提取层自定义Dropout机制
  3. 损失函数中性化机制
  4. 提高多头样本权重
  5. 测试结果

报告信息

文件全名
AlphaNet改进:结构和损失函数-华泰证券
适合读者
量化研究员金融工程师投资经理
数据来源
多方数据交叉验证
核心议题
金融投资AlphaNet改进结构

常见问题

《AlphaNet改进:结构和损失函数优化,因子挖掘神经网络新突破》主要包含哪些内容?

华泰证券提出AlphaNet三个改进方向:自定义Dropout提升训练速度、损失函数中性化剔除风格因子、提高多头样本权重。改进模型相对中证500累积超额收益显著优于基线模型。

这份报告由哪家机构发布?

本报告由华泰证券发布,发布于 2021 年。

这份报告覆盖哪一年、篇幅多大?

覆盖 2021 年,全文约 21。

这份报告是免费的吗?如何获取?

本报告为付费报告,可在资料宝站内下单后获取完整内容。

这份报告适合哪些读者?

适合量化研究员、金融工程师、投资经理等读者参考。

报告涉及哪些关键议题?

重点分析了金融投资、AlphaNet、改进、结构等议题。

继续阅读

同分类报告

查看全部
📱 登录