机器学习因子有效性分析｜大数据人工智能研究之六｜中信建投金融工程报告

报告摘要

本报告由中信建投发布，深入剖析机器学习在金融工程中的应用，重点验证因子有效性。核心发现：AdaBoost模型年化波动率稳定在5%左右，朴素贝叶斯年化收益最高达15.75%；全市场训练显著优于市值中性或行业中性；机器学习因子单调性显著，前二组年化收益超25%，最后一组不足10%。报告还展示了人工智能模型的自适应调整能力，以Logistic回归为例的多空策略年化收益差达16.45%。适合量化研究员、金融工程师、投资经理、数据科学家及对AI选股感兴趣的投资者。

📋 核心要点(部分)

1. 人工智能与量化投资
2. 相关分类算法概述
3. 各分类算法的是与非
4. 策略概述