【专题报告】基于价量数据的排序学习选股模型
创建于 更新于
摘要
本报告系统介绍了基于价量数据构建的排序学习（Learning to Rank，LTR）选股模型，回顾了排序学习的理论与算法进化过程，重点讲解了RankNet、LambdaRank及LambdaMart算法。基于沪深300、中证500、中证1000共1800只股票构建的股票池，使用LGBMRanker模型训练，回测结果显示自2015年11月至2023年8月累计收益167.31%，超额收益160.16%，年化收益率13.28%，夏普比率0.48，最大回撤34.58%，且在多数年份显著跑赢基准指数。策略2023年表现稳健，最新持仓偏防御性，增配银行及大盘股，体现出优异的收益与风险控制能力。[page::0][page::12][page::13][page::14][page::19]
