端到端动态Alpha模型——AI系列研究之一,量化选股策略深度解析
本文提出基于深度神经网络的动态Alpha因子模型,实现端到端因子权重训练和预期收益率预测。相比线性模型,ICIR、分组收益率、多头收益率等指标显著提升,MLP网络引入正交惩罚保持因子低相关性,IC损失函数综合表现最佳。适用于量化选股策略。
本文提出基于深度神经网络的动态Alpha因子模型,实现端到端因子权重训练和预期收益率预测。相比线性模型,ICIR、分组收益率、多头收益率等指标显著提升,MLP网络引入正交惩罚保持因子低相关性,IC损失函数综合表现最佳。适用于量化选股策略。
本文提出基于深度神经网络的动态Alpha因子模型,实现端到端因子权重训练和预期收益率预测。相比线性模型,ICIR、分组收益率、多头收益率等指标显著提升,MLP网络引入正交惩罚保持因子低相关性,IC损失函数综合表现最佳。适用于量化选股策略。
本文提出基于深度神经网络的动态Alpha因子模型,实现端到端因子权重训练和预期收益率预测。相比线性模型,ICIR、分组收益率、多头收益率等指标显著提升,MLP网络引入正交惩罚保持因子低相关性,IC损失函数综合表现最佳。适用于量化选股策略。
本报告由招商证券发布,发布于 2023 年。
覆盖 2023 年,全文约 23.0。
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、金融分析师、AI算法工程师等读者参考。
重点分析了金融投资、Alpha、端动态、模型等议题。