基于财务与风格因子的机器学习选股
创建于 更新于
摘要
本报告结合风格因子与财务因子，基于神经网络、随机森林及提升树集成机器学习模型构建选股因子。通过构造机器学习残差因子、反转因子及其复合因子，实现对中证1000指数成分股的风格中性特质收益率选股。复合因子在全市场及中证1000和中证500指数成分股中表现稳健优异，年均超额收益持续为正且信息比率较高。容量测试显示策略资金容量可达百亿元级，收益主要来源于机器学习捕捉非线性和财务因子的增量信息，风险主要包括市场风格变化及模型失效风险[page::0][page::6][page::11][page::17].
