AI%2bHI系列(8):DecompGRNv1,基于线性RNN的端到端模型初探-华创证券-250905
DecompGRN v1:基于线性 RNN 的端到端模型初探 我们首先从一个高度简化的线性 RNN 出发,发现在参数量锐减的前提下,其 表现足以媲美 GRU 基线,在此基础上,我们延续并拓展了先前“时序-截面”
DecompGRN v1:基于线性 RNN 的端到端模型初探 我们首先从一个高度简化的线性 RNN 出发,发现在参数量锐减的前提下,其 表现足以媲美 GRU 基线,在此基础上,我们延续并拓展了先前“时序-截面”
DecompGRN v1:基于线性 RNN 的端到端模型初探 我们首先从一个高度简化的线性 RNN 出发,发现在参数量锐减的前提下,其 表现足以媲美 GRU 基线,在此基础上,我们延续并拓展了先前“时序-截面”
DecompGRN v1:基于线性 RNN 的端到端模型初探 我们首先从一个高度简化的线性 RNN 出发,发现在参数量锐减的前提下,其 表现足以媲美 GRU 基线,在此基础上,我们延续并拓展了先前“时序-截面”核心数据:周度分组测试中,不计交易成本,TOP 组在全指域内年化收益达 57.68%;;+5.28% / -0.64% / +0.73% / +1.88%。;基于 DecompGRN 构建指增组合,在双边换手 30%约束,千三交易成本下,沪。
本报告由华创证券发布,发布于 2025 年。
覆盖 2025 年,全文约 25。
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。
重点分析了沪深等议题。