机器学习应用系列:DAFAT,基于Transformer模型的自适应解决方案-250828-西南证券
Transformer 模型局限性与 DATAT 模型概述:Transformer 模型在位置 编码以及注意力机制方面均有一定的优化空间,同时大多数深度学习模型均以 高频量价为主,基本面特征频次低且更新滞后难以应用。
Transformer 模型局限性与 DATAT 模型概述:Transformer 模型在位置 编码以及注意力机制方面均有一定的优化空间,同时大多数深度学习模型均以 高频量价为主,基本面特征频次低且更新滞后难以应用。
Transformer 模型局限性与 DATAT 模型概述:Transformer 模型在位置 编码以及注意力机制方面均有一定的优化空间,同时大多数深度学习模型均以 高频量价为主,基本面特征频次低且更新滞后难以应用。
Transformer 模型局限性与 DATAT 模型概述:Transformer 模型在位置 编码以及注意力机制方面均有一定的优化空间,同时大多数深度学习模型均以 高频量价为主,基本面特征频次低且更新滞后难以应用。核心数据:价特征的基础上,Transformer模型 2019年 1月至 2025年 7月 IC 均值 9.42%,;多头组合年化收益率为 28.70%,月均单边换手率 0.88X,具备一定的提升空;IC 均值为 9.54%,多头组合年化收益率 30.60%,月均单边换手率 0.86X。。
本报告由南证券研究院发布,发布于 2025 年。
覆盖 2025 年,全文约 37。
本报告免费查阅,登录资料宝后即可在线获取完整内容。
适合投资人、行业研究员等读者参考。
重点分析了债券、可转债等议题。