基于多目标、多模型的机器学习指数增强策略
创建于 更新于
摘要
本报告系统介绍了基于GBDT与神经网络两类机器学习模型构建的多目标指数增强策略。通过融合Alpha158和GJQuant因子，采用未来超额收益率与信息比率作为多重预测目标，多模型等权合成实现有效提升各宽基指数成分股的多头年化超额收益及夏普比率。基于此因子构建的组合在沪深300、中证500、中证1000指数上回测均表现出显著的超额收益与较低的最大回撤，且通过马科维茨均值方差优化控制跟踪误差，进一步优化组合表现 [pidx::0][pidx::8][pidx::10][pidx::13][pidx::14][pidx::17][pidx::18]。
