人工智能选股之广义线性模型
创建于 更新于
摘要
本报告系统研究广义线性模型在多因子选股中的应用，涵盖线性回归、逻辑回归、岭回归、Lasso、弹性网络及随机梯度下降等方法，通过统一框架深入分析模型构建、参数选择、正则化及损失函数影响，回测显示线性回归具备稳定选股能力，分类模型表现优于回归模型，尤其SGD+hinge损失模型，年化超额收益和信息比率显著提升，相关模型参数敏感性分析指出滚动训练集长度12-24月及保留全部主成分较优，正则化效果不明显，策略有效覆盖沪深300和中证500标的池，具有较强的实践指导价值 [page::0][page::3][page::11][page::14][page::31][page::32]
