机器学习模型中如何处理缺失值
创建于 更新于
摘要
本报告基于文献Missing values handling for machine learning portfolios，系统分析了股票预测因子中缺失值的多种填充方法，尤其对比截面均值填充和截面EM填充在不同收益预测模型下的表现。研究发现，简单均值填充在大多数模型中表现优于或接近复杂的EM算法，且复杂机器学习方法的表现不及简单OLS回归。通过按市值分组对股票建模，可以显著提升预测效果。整体结果表明缺失值填充方法对股票收益预测影响有限，且高阶填充算法带来的噪声可能抵消信息增益，模型设计需关注实用性和稳健性 [page::0][page::2][page::4][page::5][page::6][page::7][page::9][page::10]。
