残差学习让资产定价神经网络更深：深度残差模型样本外 Sharpe 比率达 2.07

残差学习通过保留并精炼浅层网络，让资产定价神经网络得以加深，深度残差模型价值加权多空组合的样本外 Sharpe 比率为 2.07，高于对应浅层模型的 1.92，是深度前馈模型 0.89 的两倍以上。研究表明模型深度是资产定价中额外经济价值的来源，该方法可用于加深其他含中间层的神经网络资产定价模型，也为资产定价模型的规模化提供了一条路径。