PLUS会员

TabNet在量化选股中的应用

由small_q创建,最终由qxiao 被浏览 155 用户

旧版声明

本文为旧版实现,仅供学习参考。

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU



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

\

标签

量化选股
{link}