建投金工专题50：机器学习因子有效性分析
创建于 更新于
摘要
本报告系统分析了七大主流机器学习分类算法在A股的选股有效性，重点实证了logistic、knn、AdaBoost、svm、朴素贝叶斯五大算法表现优异，朴素贝叶斯收益最高且对训练数据依赖低，决策树与随机森林表现较差。研究揭示全市场训练优于市值及行业内部训练，机器学习因子月度IC总体正相关且单调性显著，表明机器学习因子具备稳定预测能力和较强自适应调整市场的能力，为量化选股提供了可靠技术支持 [page::0][page::3][page::5][page::7][page::8][page::9][page::11][page::12].
