细节决定成败 人工智能选股全流程重构
创建于 更新于
摘要
本报告系统测试了机器学习选股模型训练中的多项关键细节，包括数据预处理方式、样本训练范围（全A或成分股）、训练方法（一次性、滚动、扩展）、回归与分类模型选择、损失函数设计及树集成算法对比。最终结合GBDT与神经网络模型，在沪深300、中证500和中证1000成分股上构建的指数增强策略实现超额收益显著，尤其是中证1000年化超额收益达到32.25%，最大回撤低至4.33%，展现了优良的风险收益特性[page::0][page::1][page::12][page::16][page::17].
