深度学习新进展：Alpha因子的再挖掘
创建于 更新于
摘要
本报告系统回顾了深度学习技术在Alpha因子再挖掘领域的进展与应用，详细阐述了深度神经网络模型构建、训练及调优方法，包含激活函数、目标函数改进、Batch Normalization、Dropout及模型结构搜索。报告在全市场股票池采用128因子+28行业因子训练深度学习模型，实现了年化收益20%以上且最大回撤低于5%的稳定超额收益，验证模型优异的预测准确率和因子IC表现，揭示深度学习模型因子与传统风格因子相关性低，体现创新投资价值。最后讨论了模型滚动更新策略及交易成本控制，强调深度学习投资因子在量化选股领域的实际应用潜力。[page::0][page::6][page::10][page::16][page::20][page::25][page::26][page::28][page::29][page::30][page::31][page::35]
