截面融合模型选股框架初探
创建于 更新于
摘要
本报告提出截面融合模型选股框架，通过选择合适的特征空间、模型簇及融合规则，将多个特征空间和模型预测结果线性加权融合，显著提升全A股机器学习选股的超额收益和风险调整收益。框架有效捕捉因子非线性关系，筛选子空间和基于样本内组合收益的融合标准表现优于全空间和传统R方标准，融合模型的年化超额收益达20.03%，夏普比1.10，信息比2.93，优于单一模型和线性回归[page::0][page::8][page::11][page::15][page::16]
