人工智能系列之 71：基于门控自适应网络对股票样本“因材施教”
创建于 更新于
摘要
本报告提出基于门控自适应网络的量化选股模型，通过动态调整股票样本经历的神经网络深度，实现“因材施教”的训练效果。采用门控机制控制样本网络深度，门控参数经梯度下降自动优化，基于44因子数据集的中证500指数增强策略回测表明，该自适应网络在年化超额收益率和信息比率上显著优于传统固定结构网络。调参结果显示门控通过率以0.4为优，门控损失权重和门控数量表现较为复杂无显著规律。此外，用一维熵衡量股票特征复杂度，实证验证样本复杂度与网络深度存在正向相关关系，支持自适应网络的可解释性。上述创新为提高量化模型个股差异适应性提供了有效路径 [pidx::0][pidx::3][pidx::10][pidx::19][pidx::20]。
