基于财务与风格因子的机器学习选股
创建于 更新于
摘要
本文通过引入财务因子，扩充机器学习模型的输入维度，显著提升了选股能力。采用神经网络、随机森林和提升树综合构建机器学习残差因子和反转因子，基于这两因子构建的复合因子展现出更稳定的超额收益和较高的信息系数。实证结果显示复合因子在全市场、中证500及中证1000股票池均有效，在沪深300成分股中失效。复合因子组合自2015年至2021年每年均实现正的超额收益，年化超额收益约14%，信息比率达2.35，且策略容量可达百亿量级，收益主要来自于捕获风格与财务因子的非线性特质选股能力[page::0][page::11][page::17]
