股票多因子系列（三）：机器学习在多因子组合中的应用
创建于 更新于
摘要
本报告系统介绍机器学习在多因子选股模型中的应用，涵盖监督学习多种算法如线性回归、逻辑回归、支持向量机及集成学习算法，并基于沪深A股2010-2024年数据进行89个因子的滚动训练和分层回测。结果显示，线性回归模型表现最佳，非线性高斯核支持向量机多空组合年化收益率及夏普率领先，且非线性模型在回撤控制方面优于线性模型，适应市场风格变化更快。分析指出，过大的组合规模、有限的滚动训练长度及市场风格稳定期线性模型优越性是当前模型表现的驱动因素，为后续研究提供方向[page::0][page::14][page::19][page::34][page::35]。
