由于国庆前仅有 1 个工作日，因此将这个工作日也合并到上周一起写了。

本周状态有所回升，RNN 的代码总算跑起来了。由于设备性能的限制，仅使用了小样本数据来试跑，可惜效果不佳。此时带教总算想起他还没有给我公司的算力，于是我又吭哧吭哧把代码转移到服务器上，在节前将更大样本的代码跑起来了。

滚动训练-预测的模式下，需要训练大量模型，我也肉眼盯了一下各个模型的训练过程，发现训练与训练的悲欢并不相通。有的模型一开始测试集 loss 很大，但是能够迅速下降，最后收敛到较低数值；有的一开始就 loss 很小，但是随着训练进行反而越来越大；有的在测试集 loss 下降到较低位置后开始上升，有明显过拟合现象；有的则半死不活，loss 几乎没有什么变化。

这让我开始思考，训练时是不是应该对各个模型加以更加精细的调教，或者在训练失败的情况下，多随机几次参数重新训练一下。当然，重新训练的成本很高，因此当务之急，似乎是考察一下当前训练的结果，并看看不同训练效果下，因子回测效果如何。