基于Stacking集成的机器学习多因子选股模型研究

摘要：

Stacking方法是机器学习中一种重要的集成算法.本文利用Stacking方法将决策树(DT)、逻辑回归(LR)、支持向量机(SVM)和神经网络(BP)多种机器学习模型进行融合,建立DLSB-Stacking模型,并以沪深300指数成分股数据为例进行实证分析,结果表明DLSB-Stacking量化选股模型能够有效地对股票因子进行选择,获得更高的超额收益.

关键词：Stacking;机器学习;量化投资;多因子选股

在线出版日期：2021-12-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：77-78,81