基于样本加权与风格约束：对端到端模型泛化性的思考与改进-241212-华创证券
当样本外的数据分布与样本内存在偏差时，模型预测偏差可能导致实际应用中 面对近年复杂多变的市场风格，本篇报告以端到端模型的泛化性 基于 SVE 指标，我们发现端到端 GRU 模型
报告摘要
当样本外的数据分布与样本内存在偏差时，模型预测偏差可能导致实际应用中 面对近年复杂多变的市场风格，本篇报告以端到端模型的泛化性 基于 SVE 指标，我们发现端到端 GRU 模型
报告信息
- 文件全名
- 《基于样本加权与风格约束：对端到端模型泛化性的思考与改进-241212-华创证券-24页.pdf》
- 适合读者
- 核心数据
- 当样本外的数据分布与样本内存在偏差时，模型预测偏差可能导致实际应用中
- 分组多头 TOP 组超额年化收益 39.67%，
- 撤-16%，优于基线的-21%。
- GRU CONST 模型的 10 日 IC 最高达到为 14.1；
- 在 2024 年 9-11 月区间，强/弱约束设置下，TOP 组超额收益分别为 4.24%、1.58%，较基线分别提高 7.62%、1.8%。
- 核心议题
常见问题
《基于样本加权与风格约束：对端到端模型泛化性的思考与改进-241212-华创证券》主要包含哪些内容?
当样本外的数据分布与样本内存在偏差时，模型预测偏差可能导致实际应用中 面对近年复杂多变的市场风格，本篇报告以端到端模型的泛化性 基于 SVE 指标，我们发现端到端 GRU 模型核心数据:当样本外的数据分布与样本内存在偏差时，模型预测偏差可能导致实际应用中;分组多头 TOP 组超额年化收益 39.67%，;撤-16%，优于基线的-21%。。
这份报告由哪家机构发布?
本报告由华创证券发布,发布于 2024 年。
这份报告覆盖哪一年、篇幅多大?
覆盖 2024 年,全文共 24 页。
这份报告是免费的吗?如何获取?
本报告免费查阅,登录资料宝后即可在线获取完整内容。
这份报告适合哪些读者?
适合投资人、行业研究员等读者参考。
报告涉及哪些关键议题?
重点分析了证券、股票等议题。
继续阅读
查看全部 →