研报下载就选股票报告网
您好,欢迎来到股票分析报告网!登录   忘记密码   注册
>> 浙商证券-从合成序列到ETF预测:小型神经网络的权重编辑实验-261111
上传日期:   2026/11/11 大小:   13101KB
格式:   pdf  共40页 来源:   浙商证券
评级:   -- 作者:   陈冀
下载权限:   此报告为加密报告
核心观点
  将已知规则直接写入神经网络,可以在受控实验中实现预期计算;用于金融预测,则仍受信号强度和样本长度约束。本文尚未发现稳定的ETF收益预测优势,也未能单独识别大模型提出规则的贡献。
  公开补丁重建后的数学评估准确率为51.0%
  外部重跑在500道题上每题采样4次,2,000个回答中1,020个正确。重建使用作者已公开的Qwen补丁,完整编辑过程仍待独立复现。本文按原始日志核对工具与评分条件,另行检验既定规则的实现效果。
  规则构造的效果取决于先验是否适用
  已知振幅时,振幅约束构造的误差低于本次ADAM;振幅变化后则失效。自检门控将周期突变全段MSE由0.2252降至0.0215,但突变后仍差于LAST。规则失效后的退回机制有帮助,尚不能完全避免损失。
  ETF收益预测尚未显示稳定优势
  完整F5的18个运行均选择零输出,六种架构共用同一组规则。CW、Huber及对等基线比较均未建立稳定的收益预测优势。短F20只在特定植入流程、实际相关均值约0.167的网格点达到可靠功效,更弱的预测信息仍可能无法检出。
  波动预测已用于风险目标配置
  20期波动滤波已写入网络,并用于10%风险目标配置。其QLIKE未优于递归EWMA,完整F5的换手也更高。前瞻预测于11月10日实际冻结后开始记录,250日确认评价尚未完成;真实模型反馈预算与先验分级试验仍待开展。
  风险提示
  模型身份及规则提案来源尚未充分核验;已知先验、历史样本暴露、样本较短和机制变化均限制结果外推。配置采用简化成交与成本假设。AI仅为研究辅助工具,不能替代专业判断。
  
 
Copyright © 2005 - 2021 Nxny.com All Rights Reserved 备案号:蜀ICP备15031742号-1