随机森林与传统多因子模型的选股风格对比
创建于 更新于
摘要
本报告基于沪深300、中证500及全A股样本，采用机器学习的随机森林算法构建多因子选股模型，并与传统线性回归多因子模型进行比较。结果显示，随机森林模型在各样本池均优于传统模型，特别是在2014年和2017年市场风格切换期表现出更强的灵活性，能更快捕捉市场转向。此外，随机森林模型的因子暴露较传统模型更为稳定，收益来源较分散，避免了传统模型极端化选股风格的问题。建议实际应用中结合风险模型控制市值因子暴露，缓解因子失效风险。未来研究将探索更多机器学习算法和因子处理方法 [page::0][page::4][page::9][page::11][page::20][page::21]
