2018金融工程专题：递归神经网络RNN与LSTM分行业多因子预测｜国信证券

报告摘要

本报告由国信证券发布，深入探讨递归神经网络RNN与长短期记忆网络LSTM在分行业多因子选股中的应用。针对传统神经网络忽略时间依赖及行业异质性问题，RNN通过循环结构捕捉时序信息，LSTM解决长期记忆丢失；同时采用分行业建模，挖掘各行业特有影响因子，避免行业间干扰。报告将69个因子全部输入模型，减少人工筛选，并利用验证集监测过拟合。实证表明：多数行业预测准确率约40%，训练样本大小显著影响模型表现。适合量化研究员、金融工程师、证券分析师及投资者参考。

📋 报告目录

1. 深度神经网络与投资
2. 递归神经网络RNN
3. 长短期记忆网络（LSTM）
4. 循环神经网络分行业多因子选股模型