提升超额收益：另类标签和集成学习 - 华泰人工智能系列之二十九
创建于 更新于
摘要
本报告探讨了在人工智能量化选股模型中使用另类标签（信息比率和Calmar比率）替代传统收益率标签的优势，通过多训练期长度的实证测试，发现另类标签在提升全A股模型的超额收益率和信息比率方面表现显著优于收益率标签。报告进一步采用集成学习方法，将多模型预测结果融合，实现超额收益和信息比率的稳定提升，并在全A股、中证500和中证800等多个股票池中进行回测验证，体现了模型的稳健性和优越性[page::0][page::6][page::8][page::11][page::13][page::28][page::33]。
