基于因子情境的机器学习多因子选股模型

摘要：

对“通过机器学习优化股票多因子模型”问题进行详细分析.首先,给出了因子筛选的聚类方法,从各大类因子中筛选出具有代表性的最优因子;然后,应用3种机器学习模型,即SVM模型、GBDT模型和XGboost模型,构建了机器学习选股模型,与传统的等权重线性多因子模型相比,预测效果有了很大的改进;最后,从机器学习模型输入因子有效性的角度改进了风险控制.

关键词：机器学习、多因子模型、因子有效性、Sharpe比率

所属期刊栏目：8

分类号：O29(应用数学)

在线出版日期：2020-09-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：10-19