人工智能选股之stacking集成学习 华泰人工智能系列之十一
创建于 更新于
摘要
本报告系统介绍并创新性应用了改进的Stacking集成学习框架于多因子选股策略中，提出基于适应度指标的基模型选择方法，有效结合了基模型的不同训练数据和算法优势，实现超额收益最大化及最大回撤最小化。关键图表显示，最佳组合模型（XGBoost_72m与逻辑回归_6m集成）2011年至2018年相较中证500年化超额收益达27.75%-29.45%，回撤仅8.92%-10.18%，Calmar比率显著提升至2.73-3.25，且模型表现稳定，具备极高预测能力和风险控制能力。[pidx::0],[pidx::4],[pidx::14],[pidx::17],[pidx::23]
