原创力文档- 9
- 0
- 约7.86万字
- 约 59页
- 2024-07-18 发布于江苏
- 举报
文章通过结合深度学习与传统资产定价的框架，构建了一个基于神经网络的多因子模型，用于对我国股票指数收益率进行预测结果显示，流动性类风险类动量类盈利类价值类及其他共六类特征的重要性不一，流动性特征的占比最大此外，通过使用不同深度因子数量和隐藏层层数的模型，预测效果和Fama—法国五因子支持向量回归极度梯度提升树长短时记忆神经网络模型的结果也有所差异
摘要
摘要
在金融领域资产定价模型的完善过程中，学者往往通过挖掘对收益率有较强解释
能力的指标或通过机器学习的方法构建新的指标。本文将深度学习方法与传统资产定
价因子模型相结合，构建基于神经网络的多因子模型。
8
本文选取2002年1月至2021年12月1961个上市公司的公司特征共l
个，并将其分为流动性类、
文档评论（0）