量化策略专题研究 破局低信噪比：基于深度学习的目标函数研究
创建于 更新于
摘要
本报告针对量化多因子策略中深度学习应用中的低信噪比难题，提出以优化IC（信息系数）作为目标函数的深度神经网络模型，有效提升头部相关性和收益排序稳定性。通过加权IC目标函数的设计，实现了对多头选股策略的优化，回测收益在2012年至2021年间表现出年化16.50%的超额收益、信息率2.31及较低回撤，优于传统等权和IC加权模型，实现了信噪比的显著提升和超额收益的稳定增长[page::3][page::8][page::14][page::18]。
