分析师共同覆盖增强机器学习模型训练——关系型数据
创建于 更新于
摘要
报告基于分析师共同覆盖关系构建股票间关联矩阵，创新性地通过矩阵运算对现有多因子库进行衍生，生成高质量衍生因子。结合XGBoost模型训练，结果表明衍生因子在预测能力（IC提升约2%）和模型表现（IR提升1）方面均显著超越传统因子，头部与多空组合年化收益率分别提升2%-3%。该方法丰富了因子库维度，强化了机器学习模型在股票收益预测中的应用效果，验证了关系型数据在多因子量化投资中的增益价值 [page::0][page::13]。
