基于树模型的分组优化与风格约束改进 机器学习系列七
创建于 更新于
摘要
本报告围绕基于XGBoost树模型的量化选股因子构建展开，提出贝叶斯优化稳定超参数、多组训练降低随机性、分组准确度权重调整和风格中性对抗训练两大改进方案。实证显示改进模型在全市场及大中小市值股票池均显著提升Rank IC和多空夏普比率，结合后复合因子指数增强测试表现稳健，有效提升中证500等指数的超额收益和夏普比率，展现优异的风格中性化特性和风险控制能力[page::0][page::5][page::9][page::14][page::16][page::20][page::27]
