使用Bandit Learning算法的多因子模型一一多因子模型研究系列之五
创建于 更新于
摘要
本报告介绍了基于Bandit Learning在线学习算法构建的多因子选股模型，应用于沪深300成分股，与传统多因子模型对比，Bandit Learning模型在市场震荡或下跌年份表现出更稳健收益，能够缓解传统模型在复杂市场环境中失效的问题。报告详细推导该算法的数学原理、实现流程及见因子分解，回测显示其年化收益达20.48%，夏普比率0.67，并通过业绩归因揭示选股风格的显著差异及模型适应性，为多因子投资模型改进提供了新的思路和方法 [page::0][page::3][page::9][page::11][page::13]
