因子拥挤度指标及其择时作用——机器学习视角下的考察
创建于 更新于
摘要
本报告基于国内外研究，构建了估值价差、配对相关性、因子波动率及因子长期反转等8个因子拥挤度指标，并利用XGBoost和LSTM机器学习方法对单因子收益方向择时进行测试，发现择时效果不佳。[page::0][page::11][page::14]通过主成分分析合成单一拥挤度指标，用于对多因子组合加权，结果显示加权组合较等权组合在净值表现上有小幅超越。[page::17][page::19][page::20]报告指出，A股因子拥挤度指标对尾部风险有一定警示作用，但指示作用有限，猜测因投资者结构影响未形成显著合力。[page::0][page::20]
