【AI+HI 系列（6）】对端到端模型泛化性的思考与改进——基于样本加权与风格约束
创建于 更新于
摘要
报告围绕端到端深度学习GRU模型的泛化性问题，基于样本加权(GroupDRO)与风格约束两种改进方法，显著提升模型在中证全指股票池因子测试和1000指数增强中的稳健性与超额收益表现。GRU DRO模型10日RankIC达14.3，超额年化收益率提高4%，最大回撤从-21%降至-16%；风格约束模型在一定区间显著改善风格暴露，表现亦优于基线[page::0][page::4][page::19]。
