人工智能系列之 67：多任务学习初探

创建于 2025-07-18T15:54:09.860268+08:00 更新于 2025-07-18T16:37:03.952632+08:00

摘要

本报告介绍多任务学习在量化选股的应用，采用硬参数共享的全连接神经网络同时预测未来10日和20日收益率排序。通过不确定性加权和动态加权两种方式加权损失，结果表明多任务学习在合成因子测试和指增组合回测上均优于单任务学习，且模型规模扩大时优势更明显。此外，多任务学习在预测值集成时的优势时序较为稳定，显示了其在量化选股中的应用潜力及优势 [page::0][page::2][page::10][page::15]

速读内容

深度阅读