Excret 与IR 标签所训练模型等权合成后各模型在中证1000成分股的各项指标
数据来源：Wind，国金证券研究所
查看原文相关图表
- 模型输入数据特征
数据来源：Qlib，Ta-Lib，国金证券研究所2023-12-13 - GBDT+NN 因子在沪深300成分股的多空组合净值
数据来源：Wind，国金证券研究所2023-12-13 - GBDT+NN 两类模型在沪深300 成分股的多空组合指标
数据来源：Wind，国金证券研究所2023-12-13 - 基于不同预测标签的各类模型在中证500成分股的各项指标
数据来源：Wind，国金证券研究所2023-12-13 - Excret 与IR 标签所训练模型等权合成后各模型在沪深300成分股的各项指标
数据来源：Wind，国金证券研究所2023-12-13 - 不同预测标签模型相关系数（NN部分）
数据来源：Wind，国金证券研究所2023-12-13 - 不同预测标签模型相关系数（GBDT 部分）
数据来源：Wind，国金证券研究所2023-12-13 - 基于不同预测标签的各类模型在沪深300成分股的各项指标
数据来源：Wind，国金证券研究所2023-12-13 - 基于不同输入特征的各类模型在沪深300成分股的IC 均值
数据来源：Wind，国金证券研究所2023-12-13 - 基于GBDT+NN 的中证1000 指数增强策略分年度收益
数据来源：Wind，国金证券研究所2023-12-13 - 基于GBDT+NN 的中证1000 指数增强策略指标
数据来源：Wind，国金证券研究所2023-12-13 - 基于GBDT+NN 的中证1000 指数增强策略分年度收益
数据来源：Wind，国金证券研究所2023-12-13 - 基于GBDT+NN 的中证1000 指数增强策略净值曲线
数据来源：Wind，国金证券研究所2023-12-13 - 基于GBDT+NN 的中证500 指数增强策略净值曲线
数据来源：Wind，国金证券研究所2023-12-13 - 基于GBDT+NN 的中证500 指数增强策略分年度收益
数据来源：Wind，国金证券研究所2023-12-13 - 基于GBDT+NN 的中证500 指数增强策略分年度收益
数据来源：Wind，国金证券研究所2023-12-13 - 基于GBDT+NN 的沪深300 指数增强策略分年度收益
数据来源：Wind，国金证券研究所2023-12-13 - 基于GBDT+NN 的中证500 指数增强策略指标
数据来源：Wind，国金证券研究所2023-12-13 - 基于GBDT+NN 的沪深300 指数增强策略分年度收益
数据来源：Wind，国金证券研究所2023-12-13 - 基于GBDT+NN 的沪深300 指数增强策略净值曲线
数据来源：Wind，国金证券研究所2023-12-13 - 基于GBDT+NN 的沪深300 指数增强策略指标
数据来源：Wind，国金证券研究所2023-12-13 - GBDT+NN 因子在中证1000成分股的分位数组合年化超额收益
数据来源：Wind，国金证券研究所2023-12-13 - GBDT+NN 因子在中证1000成分股的多空组合净值
数据来源：Wind，国金证券研究所2023-12-13 - GBDT+NN 两类模型在中证1000 成分股的多空组合指标
数据来源：Wind，国金证券研究所2023-12-13 - GBDT+NN 因子在中证500成分股的分位数组合年化超额收益
数据来源：Wind，国金证券研究所2023-12-13 - GBDT+NN 因子在中证500成分股的多空组合净值
数据来源：Wind，国金证券研究所2023-12-13 - GBDT+NN 两类模型在中证500 成分股的多空组合指标
数据来源：Wind，国金证券研究所2023-12-13 - Excret 与IR 标签所训练模型等权合成后各模型在中证500成分股的各项指标
数据来源：Wind，国金证券研究所2023-12-13 - GBDT+NN 因子在沪深300成分股的分位数组合年化超额收益
数据来源：Wind，国金证券研究所2023-12-13 - GRU 模型各主要超参数重要性
数据来源：国金证券研究所2023-12-13 - 国金金工部分基本因子及构建方式说明
数据来源：国金证券研究所2023-12-13 - TCN 网络结构示意
数据来源：An Empirical Evaluation of Generic Convolutional and Recurrent Networks for Sequence Modeling，国金证券2023-12-13
图表属性
- 数据类型：其他
- 发布日期：2023-12-13
- 文件格式：PNG、XLSX