基于价量数据的排序学习选股模型-华创证券量化研究专题

报告摘要

本报告深入解析排序学习（LTR）算法在A股选股中的应用，基于价量数据及一致预期构建LGBMRanker模型。回测2015-2023年，累计超额收益160.16%，年化收益率13.28%，夏普比率0.48，月胜率65.96%，年胜率88.89%，为量化投资提供高效工具。

核心要点

排序学习的定义
LTR算法演变
模型设计
LGBMRanker选股轮动模型回测结果

报告信息

文件全名: 《【专题报告】基于价量数据的排序学习选股模型-华创证券》
适合读者: 量化研究员基金经理金融分析师
核心数据: 160.16%
13.28%
0.48
核心议题: 金融投资价量数据

常见问题

《基于价量数据的排序学习选股模型-华创证券量化研究专题》主要包含哪些内容?

本报告深入解析排序学习（LTR）算法在A股选股中的应用，基于价量数据及一致预期构建LGBMRanker模型。回测2015-2023年，累计超额收益160.16%，年化收益率13.28%，夏普比率0.48，月胜率65.96%，年胜率88.89%，为量化投资提供高效工具。核心数据:160.16%;13.28%;0.48。

这份报告由哪家机构发布?

本报告由华创证券发布,发布于 2023 年。

这份报告覆盖哪一年、篇幅多大?

覆盖 2023 年,全文约 23.0。

这份报告是免费的吗?如何获取?

本报告为付费报告,可在资料宝站内下单后获取完整内容。

这份报告适合哪些读者?

适合量化研究员、基金经理、金融分析师等读者参考。

报告涉及哪些关键议题?

重点分析了金融投资、价量数据等议题。