Large (and Deep) Factor Models
创建于 更新于
摘要
本报告深入解析深度神经网络（DNN）在资产定价中优化投资组合的作用，证明宽且深的DNN训练至最大化风险调整收益率的随机贴现因子（SDF）等价于大因子模型（LFM）。研究揭示DNN架构显著影响SDF表现，证明深度复杂性美德：当数据充足时，DNN的深度越大，样本外表现越优，且性能在约100层隐藏层时趋于饱和。实证部分通过闭式解与核方法，结合美国大样本股票特征数据，验证了深度神经网络在构建投资判断中的优势，尤其在较长的数据窗口下深度模型显著优于浅层模型，展现出捕捉非线性alpha的能力[page::0][page::3][page::25][page::28][page::29].
