机器学习与因子（一）： 特征工程算法测评
创建于 更新于
摘要
本报告使用多种机器学习模型对A股市场多因子进行特征工程建模，发现梯度提升树（尤其是LightGBM和XGBoost）在预测股票短期收益率方面表现最佳，具有较强的动态适应能力。交易类因子，尤其是成交量稳定性、价格波动率低等特征，被确定为影响个股短期定价的核心因素。滚动时间窗口训练能够提高模型对市场动态变化的适应，XGBoost模型的回测业绩领先其他模型。神经网络模型表现较不稳定，受超参数敏感性影响较大。结合图表回测，机器学习模型有效提升组合收益率和风险调整收益率，为A股量化因子投资提供新路径 [pidx::0][pidx::7][pidx::9][pidx::12][pidx::22]
