人工智能市场前景及投资研究报告：指数门控在LSTM中的应用，eLSTM.pdfVIP

[Table_Info1][Table_Date]

证券研究报告发布时间：2024-09-08

[Table_Title][Table_Invest]

证券研究报告/金融工程研究报告

指数门控在LSTM中的应用——eLSTM

人工智能系列之四

报告摘要：

eLSTM因子分层回测图

[Table_Summary]

本篇报告主要介绍了深度学习神经网络LSTM的改进版本——eLSTM

模型的设计原理及性能表现。

在过往报告《扩展长短期记忆网络xLSTM——人工智能系列之三》中

介绍了xLSTM网络的原理并对其技术点进行了拆解。eLSTM即从

xLSTM中得到灵感，使用指数门控代替了传统LSTM模型的Sigmoid

门控，并采取措施对输出的数值稳定性和指数门的数值稳定性进行了控

制，最终得到了性能更优秀的eLSTM模型。[Table_Report]

相关报告

《适应市场状态与股票关联性的因子生成模

型》

本报告设计了控制变量实验对eLSTM的性能进行测试，基准模型为

-

LSTM模型和GRU模型。以全A股的日频量价数据作为训练数据集，

《上月波动率、红利、流动性因子表现较优》

分别以eLSTM/LSTM/GRU模型为基础构建了其余网络结构均相同的选

-

股因子生成模型。在训练过程中，控制模型各项超参数与训练条件相

《股票投资中的赔率/胜率/DCF与PB-ROE》

同，并在全A、沪深300、中证500、中证1000四个股票池中对三组因

-

子进行了单因子测试。

《基于随机森林算法的信用风险识别模型》