人工智能研究之八——Xgboost算法在选股中的应用
创建于 更新于
摘要
本报告详细介绍Xgboost算法在量化选股中的应用，通过构建多分类模型预测股票收益率所属层次，实现对全A股、中证500及沪深300指数成分股的选股与指数增强。实验结果显示，Xgboost组合能够有效筛选强势与弱势股票，中证500指数增强组合年化超额收益达10%，信息比率1.4，沪深300指数增强组合年化超额收益4.6%，实现稳定超额收益。报告还探讨模型的特征工程、参数设置及分类类别调整对模型性能的影响，并指出未来改进方向包括时间权重引入及损失函数优化 [page::1][page::7][page::8][page::11][page::15]
