- 1、本文档共17页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
证券研究报告
金工
多任务学习选股模型的改进
研究
2024年5月06日│中国内地深度研究
人工智能78:从预测目标、网络结构、组合优化角度改进多任务学习
本文从预测目标、网络结构、组合优化角度探讨多任务学习选股模型的改进。
在多期限收益预测基础上,引入夏普比率作为预测目标;参考腾讯2020年
发表的PLE模型,在GRU内部引入多层专家和门控网络;采用多周期优化
多任务学习中证1000增强累计超额
融合不同期限收益预测。结果表明,改进模型相比基线均有提升,引入PLE
总体优于引入夏普比率,PLE结合多周期优化模型在指数增强组合的超额多任务学习+PLE+多周期优化模型超额收益最大回撤(右轴)
单任务学习基线模型超额收益最大回撤(右轴)
收益上优于大部分对照模型。回测期2016-12-30至2024-04-30内,周单多任务学习+PLE+多周期优化模型累计超额收益
单任务学习基线模型累计超额收益
边换手20%条件下,中证500增强组合年化超额收益18.1%,信息比率3.05,600%0%
中证1000增强组合年化超额收益28.7%,信息比率4.24。500%-2%
400%
-4%
改进方向之一:引入夏普比率,预测目标考虑风险信息300%
-6%
本研究的多任务学习基线模型架构为:针对日K线和周K线,分别采用多200%
-8%
任务GRU网络,同时预测未来10日和20日收益率,预测值求均值视作单100%
因子;针对分钟K线,人工构建50个因子,采用最大化10日ICIR法合成;0%00000000-10%
33333333
您可能关注的文档
- 电力设备行业市场前景及投资研究报告:海外变压器景气向上,中国企业出海加速.pdf
- 电力设备行业市场前景及投资研究报告:数字配网,新型电网生态,高景气赛道,储能.pdf
- 福斯特-市场前景及投资研究报告-光伏景气底部,全方位优势,胶膜龙头.pdf
- 国家安全行业市场前景及投资研究报告:低空政策推进,产业加速发展.pdf
- 行业指数及成分股价格数据中的行业轮动信息分析报告.pdf
- 恒瑞医药-市场前景及投资研究报告-出海捷报频传,管线内项目.pdf
- 鸿日达-市场前景及投资研究报告:半导体散热片,横向拓展曲线.pdf
- 机械设备行业市场前景及投资研究报告:设备更新加速落地,流程工业受益.pdf
- 基于RSRS择时的中美核心资产配置组合分析报告.pdf
- 基于多维度观察的风格轮动研究分析报告.pdf
文档评论(0)