对抗过拟合：cGAN 应用于策略调参
创建于 更新于
摘要
本文提出基于条件生成对抗网络（cGAN）的量化策略参数调优框架，通过生成大量拟真未来收益率路径，批量回测备选参数，依据大数定律甄别参数本质表现以降低模型过拟合风险。以中债-国债总净价指数为标的，采用滚动训练方式，实证显示基于cGAN调参的趋势择时策略在样本内外均表现优于传统历史调参方法，夏普比率高达1.85，最大回撤低至3.54%，且策略稳健性良好，随机数种子影响有限，且方法适用于不同债券指数，体现了cGAN生成样本在量化策略参数选择中的显著优势。[page::0][page::3][page::12][page::16][page::18][page::20]
