長短信號與市場狀態結合下的深度學習模型改進——機器學習系列十一.pdf
- 上傳者：風**
- 時間：2026/06/25
- 熱度：16
- 0人點贊
- 舉報
本文系統研究了深度學習因子在不同股票池中的預測能力與增強效果，旨在提升模型收益捕捉能力和風險調整后表現。研究以GRU時序模型為基礎，從股票自身長短信號出發，圍繞長短信號結合、內生市場狀態建模、外部市場信息融合以及內外部結合四個方向展開。首先，構建三階段長短信號結合增強模型演進路徑，引入短期目標的輔助任務并通過PCGrad緩解多任務梯度沖突，進一步加入路徑監督，使隱藏狀態同時受到中期、短期和局部路徑信息約束。實證結果顯示，長短信號結合模型相較基準模型在多個股票池中取得明顯提升。其次，在長短信號結合模型基礎上，從隱藏狀態序列中識別潛在市場狀態并構建內生分支模型，通過截面隱藏表征生成潛在狀態權重，并將狀態權重與專家頭進行綁定，同時對股票表征中的共同市場狀態成分進行殘差化剝離，結果表明內生狀態分支對大盤增強更具優勢。再次，引入市場數據作為外部條件信息，構建兩類模型，通過FiLM機制對股票隱藏狀態進行逐特征維度調制，使模型能夠刻畫不同市場環境下股票信號含義的變化，實證結果顯示外部市場信息分支具備普適性提升。最后，構建合并分支模型，將外部市場條件調制與內生潛在狀態殘差化統一到同一模型框架中，內外部合并模型在多數股票池中繼續提供增量。整體來看，本文通過逐步改進的形式，實現了深度學習模型中“股票自身長短信號結合 + 市場狀態融合”，為后續指數增強策略提供了新的模型改進方向。
免責聲明：本文 / 資料由用戶個人上傳，平臺僅提供信息存儲服務，如有侵權請聯系刪除。
- 相關標簽
- 相關專題
熱門下載
- 全部熱門
- 本年熱門
- 本季熱門
- 煤炭行業-基于機器學習方法的動力煤價格預測.pdf 1635 5積分
- 無監督機器學習下的2019行業價值人群聚類報告.pdf 1297 8積分
- 量化投資-基于機器學習：FOF投資量化策略.pdf 1093 6積分
- 2021獨角獸&準獨角獸案例報告：第四范式.pdf 739 6積分
- 基于機器學習的日內波動率預測.pdf 551 5積分
- 人工智能機器學習戰略計劃.pdf 502 6積分
- 技術因子的智能擇股研究：利用機器學習技術建立智能策略分析框架.pdf 434 6積分
- 決策樹與隨機森林.pptx 355 12積分
- 機器、符號、神經網絡學習與知識發現.pptx 337 10積分
- SDCC2015機器學習在美團用戶畫像中的應用付晴川V2.pptx 296 9積分
