优势:
捕捉非线性关系:传统线性模型无法识别因子间复杂交互(如 “高市盈率 + 高波动率” 组合的特殊表现)。
处理非结构化数据:用 NLP 分析新闻文本,用卷积神经网络(CNN)分析股价图像模式。
自适应进化:通过强化学习(RL)让模型自动适应市场变化(如动态调整止盈止损阈值)。
局限性:
可解释性差:难以理解深度学习模型的决策逻辑(如某只股票被买入的具体因子贡献度)。
数据依赖性强:需大量高质量数据训练(A 股历史数据仅 20 余年,可能导致过拟合)。
计算成本高:训练深度神经网络需 GPU/TPU 支持,个人投资者硬件门槛高。
发布于2025-5-21 14:54 武汉

