Asset Pricing in Transformer
创建于 更新于
摘要
本报告提出了专为金融经济时间序列设计的创新Transformer模型——单向编码器表示Transformer（SERT）及预训练Transformer，应用于美国大盘股定价与因子投资。结合三阶段极端市场环境（疫情前、疫情期间及疫情后一年），实证显示SERT模型在极端波动期内拥有最高11.2%的样本外R²，且衍生的趋势跟随交易策略显著提升下行风险对冲能力，Sortino比率较买入持有提升达47%。此外，研究发现软max信号滤波虽能统一模型输出，但不提升策略绩效；增加注意力头数量及采用层归一化优先策略效果有限。综合实证验证Transformer模型卓越捕捉稀疏时间序列数据下资产定价因子动态的能力[page::0][page::10][page::30][page::35][page::52]。
