金融工程:深度学习选股训练目标的多维优化——深度学习系列之二
聚焦金融工程:深度学习选股训练目标的多维优化——深度学习系列之二。特别地,Quinton 与 Rey(2025)在[1]中提出的 Jacobian 下降(Jacobian Descent, JD )算法及其核心聚合器 UPGrad(Unconflicting Projection of Gradients),为解决梯度冲突提供了新的技术路径。
报告摘要
聚焦金融工程:深度学习选股训练目标的多维优化——深度学习系列之二。特别地,Quinton 与 Rey(2025)在[1]中提出的 Jacobian 下降(Jacobian Descent, JD )算法及其核心聚合器 UPGrad(Unconflicting Projection of Gradients),为解决梯度冲突提供了新的技术路径。
核心要点
- 内容概览：技术与应用方向
- 产业生态与需求变化
- 发展趋势与关注要点
报告信息
- 文件全名
- 《金融工程：深度学习选股训练目标的多维优化——深度学习系列之二-260506-天风证券-22页.pdf》
- 适合读者
- 核心数据
- 数据集为 2008/1/1 至 2017/12/31,在数据集中按照类似 5 折交叉验证的做法划分为 5 个训练集验证集对,分别进行训练,得到 5 组模型参数后,将输出结果等权平均作为最终的因子值
- 核心议题
常见问题
《金融工程:深度学习选股训练目标的多维优化——深度学习系列之二》主要包含哪些内容?
聚焦金融工程:深度学习选股训练目标的多维优化——深度学习系列之二。特别地,Quinton 与 Rey(2025)在[1]中提出的 Jacobian 下降(Jacobian Descent, JD )算法及其核心聚合器 UPGrad(Unconflicting Projection of Gradients),为解决梯度冲突提供了新的技术路径。核心数据:数据集为 2008/1/1 至 2017/12/31,在数据集中按照类似 5 折交叉验证的做法划分为 5 个训练集验证集对,分别进行训练,得到 5 组模型参数后,将输出结果等权平均作为最终的因子值。
这份报告由哪家机构发布?
本报告由天风证券发布,发布于 2026 年。
这份报告覆盖哪一年、篇幅多大?
覆盖 2026 年,全文约 22。
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?
适合战略规划、产品经理、行业研究员等读者参考。
报告涉及哪些关键议题?
重点分析了金融工程、深度学习系列之二等议题。
继续阅读
查看全部 →