人工智能系列之 69：注意力机制应用于量化选股多类场景
创建于 更新于
摘要
本报告系统研究了注意力机制在量化选股中的多样应用，分别从任务间注意力、股票间注意力和时序注意力三个维度构建模型，利用Transformer和ALSTM等结构对多任务学习、因子截面及因子时间序列进行编码。实证显示，任务间注意力提升了模型稳定性，股票间注意力提升了因子多头表现，时序注意力尤其是Transformer在合成因子表现及放宽组合约束条件下取得显著优势。模型集成进一步提高整体收益和信息比率，验证了注意力机制在量化选股中的广泛适用性和有效性。[pidx::0][pidx::3][pidx::11][pidx::14][pidx::19]
