因子正交与择时：基于分类模型的动态权重配置——多因子系列报告之十
创建于 更新于
摘要
报告针对2017年以来因子风格转变显著导致的多因子模型回撤，提出对因子进行对称正交化处理以降低共线性，并基于宏观经济和市场状态等变量通过分类模型（决策树、随机森林、支持向量机）预测因子收益方向，实现动态因子权重配置。实证显示对称正交显著提升外部变量对因子收益的解释能力，随机森林模型在样本外表现最佳，年化超额收益达20.8%，且预测准确率高于逻辑回归，支持向量机预测能力较强。报告对模型参数及回测结果进行了详细展示，为因子择时及动态配置提供了有效实证框架，有助于提升多因子投资组合的稳定性与收益表现 [page::0][page::4][page::7][page::15][page::19][page::20]
