人工智能选股之特征选择 华泰人工智能系列之十二
创建于 更新于
摘要
本报告系统研究了人工智能选股中的特征选择方法，涵盖过滤式、包裹式、嵌入式三类方式。通过对逻辑回归、XGBoost等基学习器结合F值、互信息等指标筛选特征，验证了特征选择可有效提升模型AUC及选股策略表现，且特征数在50左右时效果最佳。回测显示，基于特征选择的改进模型在年化超额收益、信息比率等多项指标上相较基学习器有显著提升，尤其是基于F值+FDR和互信息的筛选方法表现突出，为海量因子下选股模型开发提供了重要路径。[pidx::0][pidx::15][pidx::18][pidx::22]
