AlphaNet因子挖掘神经网络:华泰深度学习选股模型解析
华泰证券发布AlphaNet,一种端到端因子挖掘神经网络,直接从原始量价数据提取特征并合成因子,相比传统因子有显著增量信息。借鉴遗传规划思想,自定义运算符网络层,实现高效特征提取。测试表明该模型能有效挖掘股票特征,为量化选股提供新思路。
华泰证券发布AlphaNet,一种端到端因子挖掘神经网络,直接从原始量价数据提取特征并合成因子,相比传统因子有显著增量信息。借鉴遗传规划思想,自定义运算符网络层,实现高效特征提取。测试表明该模型能有效挖掘股票特征,为量化选股提供新思路。
华泰证券发布AlphaNet,一种端到端因子挖掘神经网络,直接从原始量价数据提取特征并合成因子,相比传统因子有显著增量信息。借鉴遗传规划思想,自定义运算符网络层,实现高效特征提取。测试表明该模型能有效挖掘股票特征,为量化选股提供新思路。
华泰证券发布AlphaNet,一种端到端因子挖掘神经网络,直接从原始量价数据提取特征并合成因子,相比传统因子有显著增量信息。借鉴遗传规划思想,自定义运算符网络层,实现高效特征提取。测试表明该模型能有效挖掘股票特征,为量化选股提供新思路。核心数据:2020。
本报告由华泰证券发布,发布于 2020 年。
覆盖 2020 年,全文约 24。
本报告免费查阅,登录资料宝后即可在线获取完整内容。
适合量化研究员、金融工程师、AI算法工程师等读者参考。
重点分析了金融投资、AlphaNet、华泰等议题。