人工智能选股之朴素贝叶斯模型华泰人工智能系列之四
创建于 更新于
摘要
本报告系统测试了朴素贝叶斯、线性判别分析（LDA）及二次判别分析（QDA）三种生成模型在多因子选股中的应用，采用时间序列交叉验证方法，评估模型分类正确率与AUC表现。结果显示LDA模型整体表现优于其他方法，且在沪深300、中证500成份股内选股效果突出，朴素贝叶斯模型在部分场景表现稳定且计算高效。基于模型预测概率构建的行业中性分层组合回测显示，策略具有显著超额收益和良好风险控制能力。全文详细比较了特征处理、训练期长短对模型效果影响，并以沪深300、中证500及全A三个市场为标的进行综合回测，验证模型的实用性与适用范围，为投资者提供高效的量化选股工具和实施框架 [page::0][page::3][page::9][page::11][page::15][page::24]
