系统化资产配置系列之三：基于 AdaBoost 机器学习算法的市场短期择时策略
创建于 更新于
摘要
本报告系统介绍了基于机器学习的市场短期择时策略构建，重点利用基于决策树的AdaBoost算法对Wind全A指数涨跌进行分类预测。采用51种多元因子数据，AdaBoost策略在2014-2019年间回测实现41.31%的年化收益率和1.41的收益风险比，远超简单持有策略。基于期权市场信息的水晶球择时模型与AdaBoost择时模型相关性极低，叠加两者形成的双塔奇兵择时模型进一步提升了策略稳健性和收益表现。报告详细披露了不同模型的构建流程、超参数选择、回测结果及交易成本影响分析，充分验证了AdaBoost在短期择时中的优势和有效性 [page::0][page::3][page::6][page::10][page::14][page::19][page::20]
