因子选股系列之一一六：NeuralODE：时序动力系统重构下深度学习因子挖掘模型

金融工程 | 专题报告 Neural ODE：时序动力系统重构下深度学 习因子挖掘模型 ——因子选股系列之一一六 研究结论 金融数据常因停牌、财报发布和突发事件等因素存在缺失、噪声及异常等问题，这 些问题通常会影响模型稳定性以及样本外的泛化能力。本文提出一种 RNN+Neural ODE+MLP融合模型，将时序数据建模为微分动力系统，然后进行数据重构和特征提取， 从而提升模型样本外的选股鲁棒性。整个模型由以下部分构成： 模型因子对比 通过将 Baseline 模型和新模型因子多头绩效的对比，我们得到以下结论： 因子选股能力和行业轮动能力的表现 风险提示 报告发布日期 2025 年 05 月 27 日 | 杨怡玲 | yangyiling@orientsec.com.cn | | --- | --- | | | 执业证书编号：S0860523040002 | | 陶文启 | taowenqi@orientsec.com.cn | | | 执业证书编号：S0860524080003 | ADWM：基于门控机制的自适应动态因子 加权模型：——因子选股系列之一一二 2025-04-10 ABCM：基于神经网络的alp ...