文件名称：华泰证券-人工智能选股之循环神经网络模型
文件大小：1.95MB
文件格式：PDF
更新时间：2021-07-25 16:00:53
研报
神经网络是近年来迅猛发展的人工智能的核心技术，本篇报告选取具有时 间序列预测能力的循环神经网络作为研究对象，对传统RNN、LSTM、GRU 三种循环神经网络模型进行系统性的测试。在月频的多因子选股方面，循 环神经网络具有出色的样本外预测平均正确率，但是样本外平均AUC 值表 现一般。神经网络在年化超额收益率、信息比率上优于线性回归算法，但 是最大回撤普遍大于线性回归算法。在目前测试的所有神经网络模型中， LSTM 表现最好，GRU 的表现和LSTM 相近