排序学习选股模型之沪深 300 精选
创建于 更新于
摘要
本报告基于排序学习（Learning to Rank, LTR）方法，结合资金流向及多维度特征，应用Optuna框架自动优化LightGBM排序模型超参数，构建沪深300成分股精选的量化选股策略。采用滚动训练法动态调整模型参数，回测区间覆盖2011年至2024年3月，策略累计收益达311.79%，年化超额收益率10.73%，夏普比率0.44，表现显著优于沪深300基准。策略行业配置分散，医药和电力公用事业偏好明显，具备较强稳定性和较高月度及年度胜率。[page::0][page::1][page::7][page::9][page::10][page::11][page::12][page::13]
