全样本训练+分域微调一一中证A500AI指增再优化
创建于 更新于
摘要
本报告针对中证A500股票域，应用机器学习技术优化指数增强策略，重点研究GRU和LightGBM模型的表现及改进。通过引入LayerNorm归一化及迁移学习提升GRU表现，同时优化LightGBM训练方案融合Alpha158和GJQuant因子，实现策略年化超额收益13.06%，跟踪误差5.47%，最大回撤6.76%，显著提升了模型的鲁棒性和实用性。[page::0][page::3][page::5][page::7][page::13][page::14]
