多任务学习在量化选股中的应用：华泰证券AI模型深度研究

报告摘要

本研究报告介绍多任务学习在量化选股中的实践，采用硬参数共享机制训练全连接神经网络，同时预测未来10日和20日收益率排序。结果表明，多任务学习的合成因子测试和指增组合回测指标均优于单任务学习，且模型规模扩大时优势更显著。加权RankIC均值可达9.8%，为量化投资提供新思路。

《多任务学习在量化选股中的应用：华泰证券AI模型深度研究》主要包含哪些内容?

本研究报告介绍多任务学习在量化选股中的实践，采用硬参数共享机制训练全连接神经网络，同时预测未来10日和20日收益率排序。结果表明，多任务学习的合成因子测试和指增组合回测指标均优于单任务学习，且模型规模扩大时优势更显著。加权RankIC均值可达9.8%，为量化投资提供新思路。核心数据:9.8%。

这份报告由哪家机构发布?

本报告由华泰证券发布,发布于 2023 年。

这份报告覆盖哪一年、篇幅多大?

覆盖 2023 年,全文约 20.0。

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、金融从业者、AI研究者等读者参考。

报告涉及哪些关键议题?

重点分析了金融投资、多任务学习、量化选股中、华泰证券等议题。