arXiv论文：残差学习加深资产定价模型

Dexin Peng与Xiaoyu Wang在arXiv发布论文《Residual Learning in Empirical Asset Pricing》，提出用残差学习在保留并精炼浅层模型的基础上加深资产定价神经网络。论文报告，深度残差模型的价值加权多空组合样本外夏普比率为2.07，高于对应浅层模型的1.92，也是深度前馈模型0.89的两倍以上。 作者据此认为，模型深度是资产定价额外经济价值的来源；只要模型含中间层，该方法可用于加深其他基于神经网络的资产定价模型，并为打造原生“大型资产定价模型”提供规模化路径。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。