一种结合自注意力机制的GRU模型
创建于 更新于
摘要
本文系统比较了截面因子和时序因子在主流时间序列模型中的表现，发现时序因子在时序模型如GRU、LSTM的样本外表现更优。提出融合Transformer自注意力机制与残差结构的AttentionGRU(Res)模型，提升了模型的收益和稳定性，实证显示全市场及中证1000范围内的年化超额收益均超过10%以上，显著优于传统GRU及Transformer模型，缓解了Transformer过拟合问题 [page::1][page::5][page::10][page::12]。
