机器学习残差因子表现金融工程专题
创建于 更新于
摘要
本报告基于机器学习模型构造了机器学习残差因子，以拟合线性风格因子无法解释的残差收益率非线性部分，实证表明该因子在全市场选股中具有稳定的特质选股能力，超额收益主要来自特质选股贡献，且策略容量较大，在百亿资金量规模仍保持良好超额收益表现。因子对风格、中证500和沪深300成分股选股效果较弱，主要收益来源于小市值股票池。通过机器学习残差因子与风格因子组合的双因子分组，可实现多维度选股策略优化。[page::0][page::3][page::6][page::8][page::9][page::13]
