基于动态因子调整的可持续量化选股策略
创建于 更新于
摘要
本报告介绍了基于随机森林动态调整因子、使用多类概率分类预测的CPP量化选股策略。策略通过动态选优因子池，结合XGBoost多分类模型预测股票收益率区间，提升选股准确性和容错率。历史回测显示，该策略在2013至2019年间跨越牛市、熊市及波动市场均实现显著超额收益，年化收益率达到57%，夏普比率2.21，最大回撤21%。该方法优于传统机器学习选股模型，具有较强的可持续性和稳定性，为量化选股策略设计提供新思路[page::0][page::3][page::6][page::7][page::11][page::13][page::14][page::15]
