SVIP免费
金工深度研究：与时偕行，AI模型如何应对数据漂移
金融数据分布在时序上的非平稳性对 AI 量化模型是关键性挑战，有效应对数据漂移或可提升 AI 模型的表现。本研究由两部分构成，第一部分针对时序预测问题中数据漂移的应对方法进行调研和综述；第二部分基于 AI 量化模型应对市场变化的代表性研究进行多方面改进和实证。结果表明，针对特征提取模块结构、门控机制等改进均有效。将传统 AI 量价因子与市场特征门控因子合成，基于其构建的中证 1000 指数增强组合 2016-12-30 至2025-01-27 年化超额收益 25.6%，信息比率 3.24，业绩表现提升显著。