华泰金工 | AI模型如何 箭多雕 多任务学习
创建于 更新于
摘要
本文系统介绍了多任务学习及其在量化选股中的应用。通过多任务硬参数共享神经网络同时预测未来10日与20日收益率排序，采用不确定性权重和动态权重平均两种损失加权方法。实证结果显示，多任务学习在因子测试和中证500指数组合回测中均优于传统单任务学习，且模型规模越大优势越明显。多任务学习提升了预测值相关性与稳定性，展现通才模型的潜力，但在更大模型规模下因子表现提升并未转换为组合收益改善，表明因子合成与组合优化错配问题仍需解决 [page::0][page::1][page::9][page::10][page::15][page::16][page::17][page::18]。
