动态因子筛选 德邦金工机器学习专题之四
创建于 更新于
摘要
本报告基于机器学习方法动态筛选财务因子，构建机器学习集成模型以选股，在沪深300、中证500、中证1000及全市场均表现优异。通过因子边际筛选与验证集评价，有效避免数据窥探偏误，集成多种机器学习模型进一步提升选股能力，机器学习模型明显优于线性多因子模型。策略在各股票池均实现稳定的超额收益，且换手率较低，具有较好的稳定性和鲁棒性[page::0][page::3][page::4][page::5][page::6][page::10][page::18][page::19][page::20]。
