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¥1

📄 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

📦 本报告属于月份合集

购买后将获得「2021 年 7 月报告合集」 · 共 3256 份报告打包下载链接

支付即将开放

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(部分)

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

❓ 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。

同分类推荐

AlphaNet改进：结构和损失函数优化，因子挖掘神经网络新突破 | 资料宝