机器学习与因子（一）： 特征工程算法测评
创建于 更新于
摘要
本报告系统比较了多种机器学习模型（包括线性模型、神经网络及树模型）对A股短期收益的预测能力，验证了机器学习能够显著提升量化组合绩效，且梯度提升树模型（LightGBM、XGBoost）表现最优。模型具备动态适应市场变动的能力，交易类因子在短期定价中起主导作用，成交额稳定和价格低波动的股票短期表现优异。报告通过固定和滚动时间窗口训练对比，揭示模型适应性和超参数敏感性差异，为A股量化因子研究提供了实证支持和应用指引 [page::0][page::5][page::7][page::22]。
