基于惩罚性线性回归的选股模型研究

创建于 2025-07-17T22:16:36.357021+08:00 更新于 2026-04-24T11:39:45.992023+08:00

摘要

本文针对多重共线性对传统线性多因子选股模型的影响，提出基于修正的惩罚性线性回归（Lasso、ElasticNet）方法构建选股因子。通过剔除高相关因子，形成D_Net因子，实现有效控制多重共线性问题，同时保证因子稳定性和选股表现。基于沪深300、中证500等股票池训练的因子均显著超过基准模型，年化收益与夏普率明显提升，且模型解释性和稳健性显著增强 [page::0][page::11][page::12][page::14]

速读内容

深度阅读