人工智能选股之全连接神经网络华泰人工智能系列之八
创建于 更新于
摘要
本报告系统研究了基于全连接神经网络的多因子选股模型，详细阐述了神经网络结构设计、激活函数、前向与反向传播原理及优化手段。通过覆盖2011年至2017年A股市场的实证测试，构建的70-40-10-3全连接神经网络模型在三分类任务中达到42.9%的正确率和38%的F1-score，分层回测显示其年化超额收益率达19.15%~25.36%，信息比率2.81~3.35，优于线性回归模型，但最大回撤略大。多图表（如图表15-28）呈现了模型性能及策略效果的全面对比，表明该神经网络模型在多因子选股领域具有显著优势及实用价值。[pidx::0][pidx::18][pidx::20][pidx::22][pidx::25]
