机器学习因子：在线性因金融工子程中模期报型告中捕获非线性
创建于 更新于
摘要
本报告基于《Machine Learning Factors: Capturing Nonlinearities in Linear Factor Models》论文，系统使用机器学习算法捕获传统线性因子模型未能解释的非线性证券收益关系。报告以GEMTR风格因子为输入，用机器学习拟合残差收益，发现机器学习因子具备极强的选股能力和稳定性，尤其在动量和流动性因子上表现突出。通过集成多个机器学习模型，有效抑制噪声，获得超越传统因子的投资回报，样本内外均表现优异，年化因子信息比率高达4.23，凸显其长期投资价值[page::0][page::3][page::5][page::6][page::9][page::13][page::14][page::15]
