使用 Bandit Learning 算法的多因子模型——多因子模型研究系列之
创建于 更新于
摘要
本报告介绍了基于Bandit Learning算法的多因子选股模型，将其应用于沪深300成分股的投资组合构建。模型结合传统多因子收益预测和Barra风险估计，通过在线学习的多臂赌博机理论实时调整组合权重，目标最大化长期收益。回测显示，Bandit Learning模型整体表现稳健，在市场震荡或下跌年份收益较传统多因子更为稳定，年化收益最高达20.48%。模型在因子暴露上呈现与传统多因子不同的风格，偏好高波动、高流动性和高估值股票，同时选股风格跳跃，适应不同市场环境表现出一定优势，具有替代传统多因子模型的潜力，但风险和不确定性依然存在 [page::0][page::3][page::7][page::9][page::11][page::13].
