神经常微分方程与液态神经网络
创建于 更新于
摘要
本报告系统介绍了基于神经常微分方程的连续时间网络模型及其在量化选股中的应用价值。重点分析了液态时间常数网络（LTC）、神经电路策略网络（NCP）和闭式连续时间神经网络（CFC）三类液态神经网络结构，展示其在保持选股表现的同时显著降低模型复杂度和显存消耗，并展现更强的稳健性和可解释性。实证结果表明，液态神经网络在多项指标上与传统循环神经网络GRU相当，且NCP结构通常能取得更优性能 [page::0][page::1][page::14][page::21]。
