多周期机器学习选股模型

创建于 2025-07-21T10:51:47.279835+08:00 更新于 2025-11-20T20:47:51.531000+08:00

摘要

本报告构建了短线、中线和长线三种基于不同训练周期的机器学习选股模型（基于XGBoost），通过因子IC筛选适应不同预测窗口的选股因子。实证发现短线模型适合高频调仓，长线模型适合低频调仓，多模型集成策略显著提升收益表现，周频调仓下年化超额收益38.97%，夏普比率3.89，且集成策略降低换手率，策略表现稳定且领先基准[page::0][page::3][page::4][page::21][page::23]。

速读内容

深度阅读