人工智能52:神经网络组合优化初探-端到端量化投资框架
华泰证券金工研究,提出基于CvxpyLayers的神经网络组合优化方法,实现端到端量化投资。在风险预算模型中,LSTMModel2累计超额收益达8%,突破传统凸优化局限,支持梯度传播与多期优化。适合因子投资、资产配置场景。
华泰证券金工研究,提出基于CvxpyLayers的神经网络组合优化方法,实现端到端量化投资。在风险预算模型中,LSTMModel2累计超额收益达8%,突破传统凸优化局限,支持梯度传播与多期优化。适合因子投资、资产配置场景。
华泰证券金工研究,提出基于CvxpyLayers的神经网络组合优化方法,实现端到端量化投资。在风险预算模型中,LSTMModel2累计超额收益达8%,突破传统凸优化局限,支持梯度传播与多期优化。适合因子投资、资产配置场景。
华泰证券金工研究,提出基于CvxpyLayers的神经网络组合优化方法,实现端到端量化投资。在风险预算模型中,LSTMModel2累计超额收益达8%,突破传统凸优化局限,支持梯度传播与多期优化。适合因子投资、资产配置场景。
本报告由华泰证券发布,发布于 2022 年。
覆盖 2022 年,全文约 26。
本报告为付费报告,可在资料宝站内下单后获取完整内容。
适合量化研究员、金融工程师、投资经理等读者参考。
重点分析了金融投资、人工智能等议题。