A Causal Perspective of Stock Prediction Models
创建于 更新于
摘要
本文从因果视角出发，结合经济计量多因子模型，提出一个包含因果关系的新型泛化误差上界，揭示市场非平稳性对模型泛化的影响。基于该理论，设计了能够发现不变因果特征的因果发现技术，有效减小泛化误差，显著提升股票预测模型对样本外（OOS）领域的稳定性和准确性。实证基于中国A股超4000只股票，采用多神经网络架构和多因子维度，实验验证该方法在实际投资组合中提升了年化收益率和夏普比率 [page::0][page::1][page::3][page::4][page::5][page::6][page::7][page::8][page::9][page::10].
