因子风格择时策略（2021 年 12 月期）
创建于 更新于
摘要
本报告基于XGBoost机器学习算法，构建了因子风格择时模型和大小盘指数轮动模型，融合宏观经济、市场情绪、因子拥挤度等多维度信息，实现风格因子未来一个月收益的预测。模型回测显示，风格轮动策略年化超额收益达20.55%，夏普比率2.14；指数轮动策略综合信号年化超额收益6.79%，夏普比率1.65，胜率超过70%。报告对策略构建流程、特征选择、滚动回测结果及因子重要性进行了详尽剖析，并展示了优异的风险调整后绩效表现[page::0][page::3][page::4][page::13][page::16][page::22]。
