演算法自動交易(Algorithmic)與量化分析(Quantitativ)系列
演算法自動交易(Algorithmic)與量化分析(Quantitativ)系列
選集收錄演算法自動交易(Algorithmic)與量化分析(Quantitativ)系列文章
演算法自動交易(Algorithmic)與量化分析(Quantitativ)系列
演算法自動交易(Algorithmic)與量化分析(Quantitativ)系列
選集收錄演算法自動交易(Algorithmic)與量化分析(Quantitativ)系列文章
量化選股——StockFormer:一種基於多任務目標(迴歸/分類)及高低頻分離的創新選股模型(附源碼)
隨著中國股市不斷發展,市場結構日益複雜,傳統的量化交易方式面臨越來越大的挑戰。特別是,由於政策的不確定性以及突發經濟事件引發的頻繁市場波動,現有模型往往難以準確預測市場動態。我們介紹了一種整合小波變換和多任務自註意力網路的價量因素選股模型,旨在增強對市場不穩定的反應能力和預測準確性。
複雜性是報酬預測的優點嗎?股票報酬預測:複雜模型 vs 簡單模型,哪一種比較優?
我們研究了在高複雜度環境下(即模型參數數量超過觀測數量時)非線性收益預測模型的表現。近年來,金融領域的研究不斷在探索如何利用複雜模型來提升市場收益預測的準確性。本文的研究透過分析不同資產類別中的非線性收益預測模型,揭示了模型複雜性所帶來的優勢。