炒股就看金麒麟分析师研报，权威，专业，及时，全面，助您挖掘潜力主题机会！本研究介绍一种低成本、高通用性的正则化方法——Sharpness Aware Minimization（SAM），从优化器的角度提升模型的泛化性能。在GRU基线模型的基础上，采用传统优化器AdamW、SAM优化器及其四种改进版本进行对照实验。结果表明应用SAM优化器能显著提升模型预测因子的多头端收益，且基于各类SAM模型构建的指数增强组合业绩均显著优于基线模型。其中，GSAM模型在三组指数增强组合上均取得良好表现，沪深30... [2025-01-22]