深度学习如何提升手工量价因子表现：利用深度学习解释现有手工选股因子残差方案与实践-250514-国泰海通证券

2025-05金融投资13免费

📄 文件全名: 《深度学习如何提升手工量价因子表现：利用深度学习解释现有手工选股因子残差方案与实践-250514-国泰海通证券-13页.pdf》
🎯 适合读者: 投资人行业研究员
📊 核心数据: 样的组合构建方式很难让我们达到预期的权重调整效果。
除开直接使用深度学习模型得到股票预期收益之外，通过将需要使用的收益因子加
将收益因子加入正交层，可以使得同源深度因子在保证选股效果前
当市场出现剧烈风格转换时，很难通过人工的方法对于模型进行干
股效果：无论是以 Rank MAE 还是 IC 为 Loss 函数，将以高频量价，
🏷️ 核心议题: #证券#金融#股票

📦 本报告属于月份合集

购买后将获得「2025 年 5 月报告合集」 · 共 3246 份报告打包下载链接

点击获取云盘下载链接

报告摘要

将收益因子加入正交层，可以使得同源深度因子在保证选股效果前提下，与正交层收益因子低相关：深度学习模型有黑盒化的特征，当市场出现剧烈风格转换时，很难通过人工的方法对于模型进行干

📋 核心要点(部分)

3. 解释手工因子残差的深度因子对于多粒度因子的提升............................... 8
3.1. 正交多粒度因子后的解释手工因子残差的深度因子表现 .................... 8
3.2. 深度因子与多粒度因子复合因子组合表现 ............................................ 9
1. 深度学习模型在因子构建中的应用

❓ 常见问题

《深度学习如何提升手工量价因子表现：利用深度学习解释现有手工选股因子残差方案与实践-250514-国泰海通证券》主要包含哪些内容?

将收益因子加入正交层，可以使得同源深度因子在保证选股效果前提下，与正交层收益因子低相关：深度学习模型有黑盒化的特征，当市场出现剧烈风格转换时，很难通过人工的方法对于模型进行干核心数据:样的组合构建方式很难让我们达到预期的权重调整效果。;除开直接使用深度学习模型得到股票预期收益之外，通过将需要使用的收益因子加;将收益因子加入正交层，可以使得同源深度因子在保证选股效果前。

这份报告覆盖哪一年、篇幅多大?

覆盖 2025 年,全文约 13。

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、金融、股票等议题。