端到端的动态 Alpha 模型 ——AI 系列研究之一
创建于 更新于
摘要
本文提出基于深度神经网络的端到端动态Alpha因子模型，引入非线性因子表示与自适应权重训练，采用多层感知机结构，并加入因子正交化正则项以降低因子相关性。实验显示相较于传统线性模型，非线性模型在多头收益率与组合稳定性方面表现显著提升，且不同损失函数（MSE，IC，CCC）对模型性能影响明显，IC损失函数带来更优多头选股表现。SHAP归因分析指出流动性和量价类因子对模型贡献最大，模型在中证不同成分股中均有稳健的选股效果[page::0][page::4][page::6][page::8][page::10][page::12][page::13][page::15][page::16][page::17][page::18].
