机器学习选股模型的调仓频率实证——华泰人工智能系列之十八
创建于 更新于
摘要
本报告针对2017年以来A股市场月频调仓机器学习模型超额收益显著下滑的问题，基于XGBoost模型实证加快调仓频率（至周频）对提升选股模型表现的效果，结合组合优化方法控制换手率，实现年化超额收益率21.02%、信息比率3.86的最佳回测表现。图表显示，周频调仓模型相比月频模型在后半月超额收益更突出，并且在不同交易成本条件下表现稳健，强调高调仓频率带来的交易成本控制必要性，为量化选股调仓策略设计提供实证参考[pidx::0][pidx::3][pidx::9][pidx::10][pidx::12][pidx::13]
