初探因子择时的模型和方法选择
创建于 更新于
摘要
本报告首次系统探讨了权益市场因子择时的模型及方法，通过提炼六个因子择时指标以及多个量化模型（如经典时序回归、主成分回归、逻辑回归、支持向量机、单层神经网络和XGBoost）对因子收益率的预测效果进行比较。结果显示，机器学习模型尤其是XGBoost在提升择时胜率和超额收益方面表现突出，但整体择时收益不稳定，策略泛化能力有限，因子择时应作为卫星策略进行谨慎配置。报告中还对因子的因子结构及各模型的回测表现进行了深入分析，为未来优化因子择时策略提供了重要参考[page::0][page::3][page::7][page::17][page::18][page::19]。
