基于基金特征与机器学习的选基研究：决策树随机森林预测基金收益，年化25.79%

报告摘要

本文利用基金定期披露的基本信息构造16个特征，通过决策树与随机森林模型预测基金未来收益，构建投资组合。在2005至2022年样本期内，模型预测IC均值0.084，策略年化收益率25.79%，最大回撤36.66%，Sharpe比率0.91，月胜率64.60%，超额收益显著。线性与非线性特征均有效。

📋 核心要点(部分)

1. 摘要
2. 特征构造
3. 模型方法
4. 策略表现
5. 特征重要性分析
6. 结论