基于集成学习的中国股票市场多因子策略研究

摘要：

使用随机森林、Adaboost和XGboost算法来对传统的股票多因子模型进行改进,同时在因子构建时引入了遗传算法,增加了因子的多样性.实证检验发现,在使用相同因子的条件下,使用集成学习算法进行滚动训练获得了比等权打分法和基准指数更好的收益表现,证明了集成学习在中国股票市场多因子模型构建上的有效性,为量化投资的多因子模型提供了新的思路.

关键词：多因子模型、遗传算法、随机森林、Adaboost、XGBoost

分类号：F832(金融、银行)

资助基金：本文系国家自然科学基金面上项目“流动性压力、信息交互与价格联动—基于中国股票和债券市场多层复杂网络的风险交叉传播机制与控制修复策略研究”;上海市哲学社会科学规划课题;上海市“曙光计划”项目

在线出版日期：2020-09-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共16页

页码：22-37