【德邦金工|选股专题】基于分钟数据的GRU模型在选股策略中的应用初探——德邦金工机器学习专题之六

文章预览

  摘要   投资要点 GRU是RNN（循环神经网络）的一种改良，相比传统的RNN以及LSTM有其独特的优点。 传统的RNN在处理长序列时存在“长期依赖”问题，即梯度消失或梯度爆炸，导致训练困难。LSTM模型通过其门控单元解决了RNN的梯度问题，GRU简化了LSTM，在训练时更加高效，并且在许多任务上都取得了与LSTM相当或更好的性能。 GRU对时间序列信息的挖掘能力很强，被广泛运用于多个领域。 GRU作为一种循环神经网络架构，特别适用于处理序列数据中的长期依赖关系。目前主要的应用场景涉及自然语言处理（NLP）、语音识别、时间序列预测、推荐系统和音乐生产等方面。 GRU用于A股信息挖掘能力较强，能直接从基础分钟行情数据挖掘到对未来收益有预测能力的信息。 本文直接采用标准化后的一日分钟bar行情数据输入GRU模型，对股票未来一日的open to open收益 ………………………………