神经进化小型网络在股票预测中同时领先精度与收益

Jonathan Chang 与 Zimeng Lyu 发表论文，用神经进化架构搜索出的小型循环网络预测股票收益：在四个中盘股组合、三个交易年度中，该网络在预测精度和每日多空策略净收益两项上均排名第一，而精度第二的模型在计入建仓与交易成本后转为亏损。 该网络的搜索仅用 CPU、耗时 16 分钟，最终网络含 66 个权重，在树莓派 Zero 上预测耗时 10.8 微秒；作为对比，Transformer 基线最多含 817,153 个参数，且需要 GPU 训练。 研究结论是预测精度高并不等于交易能盈利。

AI 根据报道生成 · 54 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。