华泰人工智能系列之三十四：再探AlphaNet结构和特征优化，提升选股因子挖掘效果
本文从网络结构和特征角度改进AlphaNet，构建v2与v3模型。v2扩充比率特征、引入LSTM、调整验证集；v3优化特征提取与GRU层。回测显示全A股和中证800中v2优于v1，中证500中v3略优。提供端到端因子挖掘方案，助力量化投资。
报告摘要
本文从网络结构和特征角度改进AlphaNet，构建v2与v3模型。v2扩充比率特征、引入LSTM、调整验证集；v3优化特征提取与GRU层。回测显示全A股和中证800中v2优于v1，中证500中v3略优。提供端到端因子挖掘方案，助力量化投资。
核心要点
- AlphaNet-v1回顾与问题
- v2改进结构与特征
- v3进一步优化
- 回测对比分析
- 模型优缺点总结
报告信息
- 文件全名
- 《华泰人工智能系列之三十四：再探_AlphaNet，结构和特征优化-华泰证券》
- 适合读者
- 核心数据
- 2011-2020
- 10日调仓周期
- 4:1训练验证比
- 核心议题
常见问题
《华泰人工智能系列之三十四：再探AlphaNet结构和特征优化，提升选股因子挖掘效果》主要包含哪些内容?
本文从网络结构和特征角度改进AlphaNet，构建v2与v3模型。v2扩充比率特征、引入LSTM、调整验证集；v3优化特征提取与GRU层。回测显示全A股和中证800中v2优于v1，中证500中v3略优。提供端到端因子挖掘方案，助力量化投资。核心数据:2011-2020;10日调仓周期;4:1训练验证比。
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 25。
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、投资经理等读者参考。
报告涉及哪些关键议题?
重点分析了金融投资、AlphaNet、特征优化、再探等议题。
继续阅读
查看全部 →