机器学习因子：在线性因子模型中捕获非线性

创建于 2025-04-29T18:35:54.462804+08:00 更新于 2025-05-19T18:36:22.287182+08:00

摘要

本报告深入研究了利用机器学习算法揭示证券收益与风格因子之间的非线性关系，提出在传统线性因子模型基础上通过训练残差实现机器学习因子的构建。研究发现集成机器学习模型能够稳定捕捉复杂非线性和交互效应，并显著提升因子的解释力和选股能力，ML因子在1998-2020年期间实现了较高的信息比率和年化收益率，表明其对多因子投资组合构建具有重要补充价值[page::0][page::3][page::6][page::13][page::15].

速读内容

深度阅读