人工智能选股之随机森林模型 华泰人工智能系列之五
创建于 更新于
摘要
本报告系统介绍了随机森林模型在多因子选股中的应用，展示了其通过Bagging集成决策树提升预测精度与稳健性。结合2011-2017年沪深300、中证500及全A市场数据，通过7阶段滚动回测和参数敏感性分析，确定最优模型参数。实证结果表明，随机森林模型在预测准确率（AUC最高达0.615）和信息比率方面优于传统线性回归模型及朴素贝叶斯模型，尤其在全A选股中取得年化超额收益达30.6%，信息比率达4.17的显著提升。同时指出当前模型受市值和反转因子影响较大，受市场风格切换影响存在较大回撤风险，为后续研究方向提供了重要参考。[pidx::0][pidx::13][pidx::16][pidx::19][pidx::29]
