TabNet在量化选股中的应用
由small_q创建，最终由small_q 被浏览 152 用户
基于Tabnet模型的量化选股方案。抽取了98个量价因子，2010到2018年为数据训练TabNet模型，并将模型的预测结果应用在2018到2021年9月的数据上进行了回测。
TabNet核心参数：
input_dim: 输入的特征数 n_steps: 决策的步数，通常为{3 ~ 10} n_d: 预测阶段的特征数，通常为{8 ~ 64} n_a: Attentive阶段的特征数，通常为{8 ~ 64} gamma: Attentive中注意力更新的比例，通常为{1.0 ~ 2.0} momentum: BN层的动量，通常为{0.0 ~ 1.0}
https://bigquant.com/experimentshare/2ee5b640fe4748858e1e9cd030a3d008
\