Representation Learning for Regime Detection in Block Hierarchical Financial Markets
创建于 更新于
摘要
本报告围绕基于深度流形表示学习的区块层级相关矩阵，研究金融市场中宏观经济政局的识别问题。通过对JSE前60大股组合的实证及合成数据测试，评估SPDNet、SPDNetBN及U-SPDNet三种神经网络模型在市场状态分类中的表现，发现U-SPDNet在捕捉潜在区块层级结构及波动状态（压力、正常、上涨）上准确率更高，但整体回测收益略逊于均等权基准组合，强调了避免仅用准确率衡量复杂金融模型表现的必要性 [page::0][page::1][page::2][page::3][page::4][page::5]。
