华泰人工智能研究 5 周年回顾
创建于 更新于
摘要
本报告系统回顾了华泰金工团队自2017年以来在人工智能量化投资领域的系列研究成果，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、综合六大主题。重点介绍了随机森林和XGBoost等机器学习模型在多因子选股中的表现，以及图神经网络在捕捉个股间关系中的突破，搭建了具有端到端能力的因子挖掘神经网络AlphaNet，并结合自然语言处理技术构建另类数据因子，着重阐述了防止过拟合的多种技术手段和生成对抗网络(GAN)在数据增强中的应用。报告还融合微软AI量化研究，展望行业未来趋势，强调人工智能在量化领域虽具优势但存在风险，需持续更新与实证检验 [page::0][page::1][page::2][page::3][page::4][page::5][page::6]
