人工智能选股之卷积神经网络 华泰人工智能系列之十五
创建于 更新于
摘要
本报告系统介绍了卷积神经网络（CNN）在多因子选股中的应用方法，创新性地将股票因子数据组织成二维“图片”输入CNN，实现了时间序列学习和因子合成。测试结果显示，CNN单因子RankIC均值13.62%，TOP组合年化收益20.05%，显著优于全连接神经网络和线性回归模型。构建的行业、市值中性全A选股策略回测中，以中证500为基准时，CNN年化超额收益达13.69%-16.38%，各项指标均领先其他模型。报告还探讨了CNN结构调优、因子排列等关键技术要点，展望未来在金融大数据领域的深度应用前景。[pidx::0][pidx::6][pidx::14][pidx::18]
