华泰人工智能研究 6 周年回顾
创建于 更新于
摘要
本报告回顾华泰金工团队2017年以来的人工智能量化投资研究进展，涵盖模型测试、因子挖掘、另类数据、对抗过拟合、生成对抗网络等六大主题。重点介绍了机器学习模型如随机森林、XGBoost和图神经网络在多因子选股的应用，以及AlphaNet和GRU混频网络的因子自动挖掘和选股能力，回测显示显著超额收益。报告还展示了基于BERT的文本情感因子构建流程和生成对抗网络（GAN）在金融数据合成中的应用。此外，深入探讨了防止过拟合的多种方法与工具，以及GPT大语言模型对量化投研效率的提升，推动AI更合理高效地助力投资决策 [page::0][page::2][page::3][page::4][page::5][page::6][page::7]
