原创力文档股票基金
股票基金
目录
高维数据：视觉大模型ViT更能发挥能力的场景 3
筹码分布数据：典型的高维数据 3
本文的模型测算准备 4
增量信息：数据的测算和模型合成 5
基础IC测算 5
模型合成：把具备增量信息的筹码信息合并 7
最终推荐模型表现 9
风险提示与声明 10
股票基金高维数据：视觉大模型ViT更能发挥能力的场景
股票基金
在之前的研究中，我们尝试使用当代大模型主流的视觉架构ViT对股票K线进行识别，发现ViT得到的策略相比一个经典的GBM模型有残差IC显著为正，我们将正交剥离后的因子与原始GBM模型合成，可以提升模
您可能关注的文档
- 自由现金流系列研究5：现金流赚什么钱？兼论不同风格收益来源.docx
- 资产配置方法论系列三：多资产ETF轮动策略，固收与视角下动态组合管理的构建与实践.docx
- 卓越睿新知识数字化领军企业，AI赋能开启成长新阶段.docx
- 主动量化研究系列：量化固收与，回撤控制视角.docx
- 猪价弱周期、长磨底的新特征.docx
- 朱雀三号复飞在即，重点关注商业航天核心受益标的.docx
- 重庆机电AI电源与电网升级与主业改善共振，成长与分红兼备.docx
- 中小盘策略专题-碳市场专题：全国碳市场开市五周年的回顾与展望.docx
- 中国宏桥全产业链铸就成本护城河，高股息引领价值重估.docx
- 中观景气跟踪8月第2期：算力硬件景气高增，有色煤炭价格上涨.docx
文档评论（0）