金融工程专题研究：递归神经网络RNN与LSTM多因子预测｜国信证券2017

报告摘要

本报告由国信证券于2017年发布，深度解析递归神经网络（RNN）及其变体长短期记忆网络（LSTM）在金融多因子预测中的应用。核心亮点：1）详细阐述RNN如何通过时间循环结构捕捉序列依赖，LSTM如何通过细胞状态解决长期依赖问题；2）构建基于RNN的多因子模型，将T-n期因子数据纳入T+1期收益率预测；3）实证结果显示交叉检验准确度接近90%，样本外多空收益最近12个月胜率超过90%。适合量化研究员、金融工程师、投资经理及机器学习从业者参考。

📋 核心要点(部分)

1. 深度神经网络与投资
2. 递归神经网络(RNN)之LSTM
3. 神经网络原理介绍
4. 递归神经网络RNN简介
5. 长期依赖问题
6. 长短期记忆网络（LSTM）
7. LSTM结构设计与思想
8. LSTM详细实现步骤图解
9. LSTM的发展
10. 多因子建模
11. 数据结构
12. 参数设定
13. 训练结果
14. 样本内训练
15. 样本外检验
16. 结果分析
17. 结论