人工智能选股之循环神经网络模型 华泰人工智能系列之九
创建于 更新于
摘要
本报告系统测试了传统RNN、LSTM和GRU三种循环神经网络模型在2011年至2017年全A股选股中的表现。结果显示，LSTM模型在样本外正确率和年化超额收益率（20.36%-25.05%）及信息比率（2.95-3.76）方面优于传统线性回归，但最大回撤稍高。LSTM模型的权重训练过程揭示了其可解释性，同时基于月频多因子数据，神经网络模型表现不及XGBoost，主要因数据量限制，期待未来高频大数据场景继续深入研究。[pidx::0][pidx::16][pidx::24][pidx::28]
