深度学习模型如何控制策略风险？
创建于 更新于
摘要
本报告聚焦2024年年初深度学习因子面临的风险暴露，通过引入高频行情数据、模型风格惩罚增强和元增量学习框架三大方案，有效提升模型风险控制能力。高频数据提升了短期预测精度且增强了收益，但对极端回撤的控制有限；风格惩罚有效减少因子风格波动并提升信息比率，元增量学习则进一步增强了模型对市场变化的适应性，最终策略在主要宽基指数上均实现较好稳定性和正向超额收益 [page::0][page::2][page::6][page::11][page::17][page::18][page::22]
