AI 投资方法论：从多因子到多信号
创建于 更新于
摘要
本报告围绕股票收益率预测中的数据类型选择，提出将连续因子转换为二元离散信号构建多信号模型，基于LASSO回归实现信号筛选，显著提升策略信息比率并降低最大回撤。多信号模型更好体现了因子对收益的“非对称微笑”特征，与传统多因子模型相比，在中证500股票池上实现超额收益25.5%、年化收益42%的潜在收益，并展示出较高的策略鲁棒性和非线性捕捉能力。报告还展望了未来AI选股框架，包括特征挖掘、特征组合、协方差估计和组合优化四个方向，为量化投资策略迭代提供路径[page::0][page::2][page::3][page::8][page::13][page::14]。
