这篇研报探讨了如何构建稳定可用的神经网络选股模型。研究发现，网络结构不宜过深两层隐藏层（32→16）即可有效捕捉非线性；学习率、dropout、batch size是最敏感的超参，需精细调优以防过拟合。由于金融数据低信噪比、权重初始化导致输出高度不稳定，为此提出集成5–10个相同结构但不同初始权重的网络，显著提高预测一致性并获得稳健的多空组合表现。
欢迎对量化感兴趣的朋友加微信索取原文或者交流：ctaxiaobai
选择已有播单或创建新播单，添加推荐语让内容更有价值
您确定要删除评价吗？
与播客爱好者一起交流
添加微信好友，获取更多播客资讯
播放列表还是空的
去找些喜欢的节目添加进来吧
