久久一日本道色综合久久_国产最爽的av片在线观看_精品成人Av一区二区三区_94久久国产乱子伦精品免费_国产三级网站在线观看_和女邻居做爰在线观看_wymfw最新免费_国产强奷在线免费阅读_95在线观看视频

人工智能系列之71：基于門控自適應(yīng)網(wǎng)絡(luò)對股票樣本“因材施教”
　　本研究介紹動態(tài)自適應(yīng)神經(jīng)網(wǎng)絡(luò)的相關(guān)概念，將自適應(yīng)網(wǎng)絡(luò)應(yīng)用于量化選股領(lǐng)域。本文采用門控機(jī)制構(gòu)建樣本自適應(yīng)網(wǎng)絡(luò)，門控單元參數(shù)通過梯度下降自動更新，經(jīng)過訓(xùn)練達(dá)到控制不同復(fù)雜度的股票樣本經(jīng)歷不同深度網(wǎng)絡(luò)的效果。結(jié)果表明：自適應(yīng)網(wǎng)絡(luò)的合成因子測試與放松組合優(yōu)化約束后的中證500指增組合回測指標(biāo)均總體優(yōu)于傳統(tǒng)網(wǎng)絡(luò)；門控通過率在測試范圍內(nèi)取0.4效果較優(yōu)，門控?fù)p失權(quán)重和門控數(shù)量并未呈現(xiàn)出明顯規(guī)律性?？山忉屝跃S度上，對樣本特征復(fù)雜度與經(jīng)歷網(wǎng)絡(luò)深度的分析也顯示出正向相關(guān)趨勢。
　　自適應(yīng)網(wǎng)絡(luò)基本概念：對股票樣本進(jìn)行量體裁衣式訓(xùn)練的有效方案
　　自適應(yīng)網(wǎng)絡(luò)的核心特色在于可針對數(shù)據(jù)輸入動態(tài)調(diào)整神經(jīng)網(wǎng)絡(luò)架構(gòu)與參數(shù)，有效應(yīng)對網(wǎng)絡(luò)架構(gòu)與參數(shù)固定帶來的適應(yīng)性與表征力限制。自適應(yīng)網(wǎng)絡(luò)可分為樣本自適應(yīng)、空間自適應(yīng)和時間自適應(yīng)三類。其中樣本自適應(yīng)可針對不同樣本適用不同架構(gòu)的神經(jīng)網(wǎng)絡(luò)，緩解簡單樣本經(jīng)歷過深網(wǎng)絡(luò)導(dǎo)致過擬合的概率。選股研究中存在類似問題，不同股票樣本特征差異較大，設(shè)計針對性的訓(xùn)練方案可能是提升模型表現(xiàn)的可靠方案，自適應(yīng)網(wǎng)絡(luò)提供了實踐途徑。
　　門控自適應(yīng)網(wǎng)絡(luò)：獨立的門控單元可有效控制樣本經(jīng)歷網(wǎng)絡(luò)深度
　　樣本自適應(yīng)可通過動態(tài)深度、動態(tài)寬度和動態(tài)路由三條路徑實現(xiàn)。本文關(guān)注其中的動態(tài)深度路徑，可通過早退機(jī)制或跳層機(jī)制構(gòu)建。跳層機(jī)制中利用門控單元構(gòu)建的自適應(yīng)網(wǎng)絡(luò)應(yīng)用廣泛，門結(jié)構(gòu)由單獨模塊構(gòu)建，具備較高靈活性，可自由控制下轄的網(wǎng)絡(luò)層次，獨立的門結(jié)構(gòu)也提升了自適應(yīng)控制模塊的可解釋性。門控單元通過特定損失函數(shù)經(jīng)梯度下降進(jìn)行參數(shù)更新，并通過損失權(quán)重與主干網(wǎng)絡(luò)間維持平衡。本研究基于門控自適應(yīng)網(wǎng)絡(luò)構(gòu)建模型，將其應(yīng)用于量化選股實踐。
　　測試結(jié)果：自適應(yīng)網(wǎng)絡(luò)在不同參數(shù)條件下均總體優(yōu)于傳統(tǒng)網(wǎng)絡(luò)
　　本文對單門自適應(yīng)網(wǎng)絡(luò)進(jìn)行初嘗試，合成因子評價指標(biāo)和放寬組合約束后的指增組合回測指標(biāo)均總體優(yōu)于傳統(tǒng)網(wǎng)絡(luò)。參數(shù)測試方面，對于門控通過率，測試范圍內(nèi)取值0.4效果最優(yōu)；對于門控?fù)p失權(quán)重，測試范圍內(nèi)取值10效果最優(yōu)；對于門控數(shù)量，測試范圍內(nèi)取值為1，3，5效果較優(yōu)。舉例而言，門控數(shù)目為單門時（門控通過率=0.4，門控?fù)p失權(quán)重=10），相比于傳統(tǒng)網(wǎng)絡(luò)，中證500指增年化超額收益率從23.39%到25.62%，信息比率從2.95提升至3.46（回測區(qū)間為20110104-20231031）。
　　可解釋性探索：樣本特征復(fù)雜度與經(jīng)歷網(wǎng)絡(luò)深度存在正向關(guān)系
　　本文采用一維熵指標(biāo)衡量股票樣本特征復(fù)雜度，試圖驗證門控自適應(yīng)網(wǎng)絡(luò)對股票樣本經(jīng)歷網(wǎng)絡(luò)深度的控制效果。將歸屬同一行業(yè)的股票樣本一維熵與經(jīng)歷網(wǎng)絡(luò)深度各自取均值，得到行業(yè)層面的特征復(fù)雜度和經(jīng)歷網(wǎng)絡(luò)深度，二者存在較明顯的正向相關(guān)趨勢關(guān)系，即特征復(fù)雜度越高，經(jīng)歷的網(wǎng)絡(luò)深度越深。從可解釋性的維度，以上結(jié)果驗證了門控自適應(yīng)網(wǎng)絡(luò)對不同復(fù)雜度股票量體裁衣式的針對性訓(xùn)練與預(yù)測。
　　風(fēng)險提示：人工智能挖掘市場規(guī)律是對歷史的總結(jié)，市場規(guī)律在未來可能失效。人工智能技術(shù)存在過擬合風(fēng)險。深度學(xué)習(xí)模型受隨機(jī)數(shù)影響較大。本文測試的選股模型調(diào)倉頻率較高，假定以vwap價格成交，忽略其他交易層面因素影響。