机器学习选股模型的调仓频率实证华泰人工智能系列之十八
创建于 更新于
摘要
本文基于XGBoost机器学习选股模型，系统分析调仓频率对模型超额收益的影响。研究表明，2017年后月频调仓模型表现下滑，周频调仓通过提升调仓频率并结合组合优化控制换手率，显著提升了模型的年化超额收益率和信息比率。文中通过多个回测对比了月频、半月频与周频调仓模型，重点评估高频调仓下交易成本对策略表现的影响，提出高换手率模型需应用组合优化控制交易成本的建议，为实务中机器学习选股模型调仓频率设计提供了理论和实证依据 [page::0][page::3][page::4][page::5][page::8][page::9][page::10][page::11][page::12][page::13]
