量化如何追求模糊的正确：有序回归
创建于 更新于
摘要
本报告系统介绍有序回归损失函数的原理及其在多因子选股中的应用价值，强调相比传统的分类和回归方法，有序回归融合两者优点，追求“模糊的正确”以提升投资决策质量。[page::0][page::2][page::20]。实证采用周频中证500指数增强模型，基于全连接神经网络和残差图注意力网络两种基模型，logistic有序回归损失函数显著提升Rank IC、多空收益及年化超额收益，且与加权MSE集成后表现进一步增强，信息比率优势明显[page::0][page::3][page::12][page::20]。此外，研究通过参数敏感性测试指出，logistic损失优于exponential和hinge，加权方式和分类数对效果影响有限，预测值集成优于组合权重集成，证明集成方法有效提升模型稳定性与收益表现[page::8][page::13][page::14][page::20]。
