DFQ 机器学习行业轮动模型
创建于 更新于
摘要
本报告针对A股市场行业轮动的表现低迷问题，利用机器学习及遗传规划方法挖掘行业轮动因子，设计并验证了多种行业因子构建及加权方案。遗传规划行业因子挖掘系统通过7项核心改进提升进化效率，结合145个行业特征和140个算子，每年滚动挖掘产生大量低相关且表现优异的因子。经动态XGBoost加权后，2020年以来top5行业组合年化超额收益达11.10%，结合个股因子合成的vae和xgb因子，构建的机器学习行业轮动模型年化超额收益提升至18.42%，夏普比1.77。该模型成功应用于沪深300等指数增强组合，实现年化超额收益提升约2%，信息比提高，回撤降低，显著增强组合稳定性和收益能力[page::0][page::5][page::10][page::11][page::23][page::30][page::36][page::38]
