用树模型提取分析师预期数据中的非线性alpha 信息
创建于 更新于
摘要
本报告基于2007年至2020年沪深市场数据，采用滚动训练方法利用提升树模型和线性模型对分析师预期数据因子构建股票收益率预测模型。提升树模型能够有效提取数据中的非线性alpha信息，且预测结果与传统财务因子和市值因子低相关，预测更适合中小市值股票。两模型的等权组合在多策略中均显著超越单一线性模型，增量收益表现稳定且独立，尤其自2016年以来提升显著。报告还深入探讨了模型训练流程、相关性去除方法、模型风险评估及组合策略回测，为因子投资提供了科学的机器学习应用框架。[page::0][page::5][page::7][page::9][page::11][page::15][page::21][page::29][page::30]
