我会定期记录(量化投资、资产配置、对冲套利等)学习笔记
请为我点赞 |
人工智能多因子选股策略使用多种机器学习算法进行选股,目的是利用机器学习算法的非线性特性和自动学习能力,从传统的多因子数据中挖掘出能带来更高超额收益的非线性特征。周报中跟踪了 Stacking、SVM、朴素贝叶斯、随机森林、XGBoost、逻辑回归、神经网络 7个模型在月频多因子选股的表现。对于每一种模型构建了以下 5 种多因子选股模型,进行定期跟踪,其中Stacking 模型,目前只应用于全 A选股。
针对估值、成长、盈利、财务质量、小市值、反转、波动率、换手率、beta、技术共十个风格因子,在沪深 300 成份股、中证 500 成份股、中证 1000 成份股、全 A股市场四种股票池内计算行业中性及市值中性的 Rank IC值、IC_IR 比率并展示。风格因子的效果与宏观环境和大盘走势密切相关,历史结果不能预测未来。量化与非量化基金的业绩受到多种因素影响,包括环境、政策、基金管理人变化等,过去业绩好的基金不代表未来依然业绩好,投资需谨慎。