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 2025-04-25T14:19:05.867848+08:00 更新于 2025-05-19T18:36:19.689354+08:00

摘要

本报告系统探讨了在人工智能选股模型中采用另类标签（信息比率与Calmar比率）相较于传统收益率标签的优势，结合全A股及指数成分股的多训练期长度测试表明，另类标签在超额收益、信息比率和Calmar比率表现更优，且通过多模型集成能进一步提升选股稳定性和收益表现，因子重要性分析揭示因子权重差异，提供量化选股模型优化路径。[pidx::0][pidx::6][pidx::11][pidx::32]

速读内容

深度阅读