基于机器学习方法的两阶段因子择时
创建于 更新于
摘要
本报告基于机器学习的随机森林算法，构建了一个两阶段因子择时框架：第一阶段利用K-means聚类结合宏观变量预测市场状态，第二阶段基于市场状态划分筛选优胜因子。回测结果显示该策略在中证800及全A范围内均能超越基准和因子等权重组合，验证了因子择时的有效性。报告还重点分析了不同市场状态下因子收益率相关性变化及宏观变量的重要性，为因子择时提供理论与实证支撑。[page::0][page::3][page::4][page::6][page::20][page::25]
