端到端的动态 Alpha 模型 AI系列研究之一
创建于 更新于
摘要
本报告提出基于深度神经网络的动态Alpha因子模型，利用多层感知机(MLP)实现因子非线性表示与端到端训练。相较传统线性Alpha模型，MLP提升了多头组合收益率和夏普比率，加入正交惩罚进一步降低因子间相关性，增强因子稳定性。研究同时比较了不同损失函数对模型表现的影响，发现IC损失函数在多头收益上表现最好，CCC损失函数则提升稳定性。报告还运用SHAP方法分析了模型因子贡献，揭示流动性及量价因子在模型中的重要性。结果显示非线性方法提升量化策略多头有效性，为因子投资提供新的方法论支持 [page::0][page::2][page::5][page::7][page::9][page::11][page::12].
