从线性到非线性的思考—— 多因子统计学习模型 （一）
创建于 更新于
摘要
本报告从概率论的大数定律与中心极限定理出发，论述因子选股有效的理论基础，检验股票因子如PB的截面选股优势及时间择时波动，揭示许多因子存在如二次相关和异或问题的非线性现象，并提出使用统计学习模型作为非线性模型的理想切入点。报告详细展示了分段阶梯函数在多因子建模中的应用，结合沪深300和中证500轮动案例指出复杂非线性模型需防止过拟合，强调统计学习模型在因子投资中的潜力与发展趋势[page::0][page::3][page::4][page::7][page::10][page::12][page::15][page::19]。
