The Limits of Complexity: Why Feature Engineering Beats Deep Learning in Investor Flow Prediction
创建于 更新于
摘要
基于2020–2024年覆盖2,439只韩国股票的2.79M笔交易数据，论文比较了市场资本化归一化（“Matched Filter”）+线性排序与ICA、Wavelet、LSTM等复杂流水线的表现，结论是：简单的市场值归一化特征驱动的动量策略显著优于复杂模型（Sharpe 1.30 vs 0.07；累计回报272.6% vs −5.1%），表明在低信噪比环境下，特征工程的边际收益远高于模型复杂度 [page::0][page::14].
