基于深度学习的选股模型构建与过拟合控制.docxVIP

基于深度学习的选股模型构建与过拟合控制

一、引言

在金融市场中，选股策略的有效性直接决定了投资组合的收益水平。传统选股方法主要分为基本面分析与传统量化分析两类：基本面分析依赖分析师的专业经验与主观判断，容易受个人偏见与信息滞后性影响；传统量化分析以线性回归、逻辑回归等模型为核心，难以捕捉市场中复杂的非线性关系，比如板块轮动的传导效应、投资者情绪与股价的联动规律等（李迅雷，某年）。近年来，深度学习凭借强大的高维度特征提取能力与非线性关系刻画能力，成为量化选股领域的研究热点，不少模型在回测中展现出优异的超额收益表现。然而，深度学习选股模型普遍存在过拟合问题——模型在训练集与回测数据中表现卓越，但在