行业研究报告

AlphaNet因子挖掘神经网络:华泰深度学习选股模型解析

2020-06金融投资24华泰证券

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。

报告摘要

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。

核心要点

  1. 深度学习端到端特征学习
  2. AlphaNet网络结构设计
  3. 特征提取层技术细节
  4. 测试有效性分析

报告信息

文件全名
华泰人工智能系列三十二:_AlphaNet,因子挖掘神经网络-华泰证券
适合读者
量化研究员金融工程师AI算法工程师
核心数据
  1. 2020
核心议题
金融投资AlphaNet华泰

常见问题

《AlphaNet因子挖掘神经网络:华泰深度学习选股模型解析》主要包含哪些内容?

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。

这份报告由哪家机构发布?

本报告由华泰证券发布,发布于 2020 年。

这份报告覆盖哪一年、篇幅多大?

覆盖 2020 年,全文约 24。

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?

适合量化研究员、金融工程师、AI算法工程师等读者参考。

报告涉及哪些关键议题?

重点分析了金融投资、AlphaNet、华泰等议题。

继续阅读

同分类报告

查看全部
📱 登录