因子加权过程中的大类权重控制
创建于 更新于
摘要
本报告系统研究了基于大类因子的因子加权框架，提出将大类因子加权过程抽象为神经网络结构，通过均方误差和交叉熵两类损失函数优化参数。重点探讨了对量价类大类因子权重的限制对因子模型表现及指数增强组合收益的影响，并对比多种大类等权加权方法，发现基于一体化学习优化的大类等权能更好考虑大类间相关性，有效提升组合绩效。同时，分类损失函数学习在收益增强方面优于均方误差，但与因子IC相关性不强。报告中多组实证数据及图表展示了不同权重限制、加权方法和损失函数下的大类因子权重分布、选股表现及增强组合收益风险指标变化规律，为量化投资策略构建和大类因子权重控制提供重要参考 [page::0][page::2][page::5][page::6][page::8][page::11][page::13][page::14][page::16]
