动态因子筛选 德邦金工机器学习专题之四
创建于 更新于
摘要
本文系统构建了基于动态筛选因子的机器学习集成模型，涵盖沪深300、中证500、中证1000及全市场股票池，筛除噪音因子以减少数据窥探偏误，通过边际贡献和验证集RankIC动态确定有效因子和模型的数量与权重，模型显著优于传统线性多因子模型，回测结果显示该策略在各类股票池中均表现出稳定且高效的超额收益率和较低的换手率，具备较强的实用价值与稳健性 [page::0][page::4][page::5][page::6][page::10][page::20]
