基于机器学习模型的因子择时框架——多因子模型研究系列之十三
创建于 更新于
摘要
本报告利用机器学习中的随机森林算法构建因子择时模型，通过引用因子估值差、配对相关性及宏观市场变量，预测因子收益的短期走势并辅助多因子模型实现风险控制与超额收益。因子择时模型结合线性规划构建组合，实证回测结果显示，择时模型组合在不同市场行情下均优于行业中性及市值中性对照组，显著提升组合的风险调整收益水平和信息比率，证实了机器学习因子择时框架的有效性和应用前景 [page::0][page::3][page::4][page::6][page::11][page::12][page::13][page::14]。
