Asset returns in deep learning methods: An empirical analysis on SSE 50 and CSI 300
创建于 更新于
摘要
本文使用2012至2017年沪深50与沪深300指数的日收益率数据，比较了线性回归、弹性网络（ENet）、主成分回归（PCR）与具有不同隐藏层数的深度神经网络（NN）模型的预测表现。实证发现，深度学习模型并非总优于传统线性模型，且最深的神经网络往往表现欠佳。针对沪深50，单隐层NN1模型在测试集上的预测能力最优，而针对沪深300，双隐层NN2表现最佳。通过结合岭回归正则化与早停技术，有效缓解了过拟合问题。研究强调了适合网络结构和训练策略的重要性，为金融资产收益预测的深度学习应用提供了实证依据。[page::0][page::1][page::6][page::10][page::18][page::19][page::20]
