Beta猎手系列之九：人工智能全球大类资产配置模型
创建于 更新于
摘要
本报告探讨了利用机器学习模型（基于CART及集成学习的树模型）构建全球大类资产配置因子的方法，覆盖股票、债券及商品类资产。通过对特征和标签的多种预处理方式及树模型调优，最终选用CSMinMax特征处理、CSZScore标签处理及LightGBM DART模型，因子IC均值达到9.00%，多头年化收益13.34%，多空年化收益率15.20%。基于该因子构建的月频量化资产配置策略年化收益率16.91%，夏普比率0.99，显著优于等权基准。叠加波动率约束后的优化策略在降低回撤和换手率的同时，Sharpe比率提升至1.28，年化收益维持7.86% [page::0][page::1][page::3][page::8][page::9][page::10][page::11][page::12][page::14]
