基于循环神经网络的选股模型初探

创建于 2025-07-16T16:26:23.201194+08:00 更新于 2025-07-16T17:15:15.311596+08:00

摘要

报告利用循环神经网络（RNN）构建选股模型，测试多种输入特征、模型结构及训练方式的效果。结果显示，特征集2综合表现最佳，特征集3稳定性最优，GRU模型结构稳定性和通用性强，模型更新频率需与特征集匹配。调整预测标签和样本抽样方式对绩效影响显著。模型训练和回测覆盖2017年至2023年，回测验证多空组合均有良好收益与稳定性，具备一定实用价值[page::0][page::13]。

速读内容

深度阅读