机器学习与因子（一）：特征工程算法测评
创建于 更新于
摘要
本文系统评测了多种机器学习模型在A股市场的因子投资中的应用效果，重点比较固定和滚动时间窗口下线性模型、树模型及神经网络模型的预测绩效。研究发现梯度提升树模型（如LightGBM和XGBoost）在股票短期收益率预测及组合构建中表现最佳，并且机器学习模型展现出了一定的动态环境适应能力。交易类因子被证实为影响短期个股定价的最关键因素，且稳定成交量与低波动性股票表现优异。本报告结合丰富的数据和严谨的实证检验，提出机器学习技术是提升A股因子投资绩效的重要工具 [page::0][page::1][page::6][page::20]。
