Alpha掘金系列之十三：AI选股模型特征筛选与处理，SHAP、中性化与另类特征-240909-国金证券
随着机器学习模型在量化投资领域的广泛应用，我们在此前的《Alpha 掘金系列之九：基于多目标、多模型的机器学 《Alpha 掘金系列之十：机器学习全流程重构》和《ALPHA 掘金系列之十二：排序学习对 GRU 选股 模型的增强》中，分别深入探讨了结合树模型和神经网络模型的机器学习量化选股架构、模型训练中的标签选择等细
报告摘要
随着机器学习模型在量化投资领域的广泛应用，我们在此前的《Alpha 掘金系列之九：基于多目标、多模型的机器学 《Alpha 掘金系列之十：机器学习全流程重构》和《ALPHA 掘金系列之十二：排序学习对 GRU 选股 模型的增强》中，分别深入探讨了结合树模型和神经网络模型的机器学习量化选股架构、模型训练中的标签选择等细
核心要点
- 通过对这些问题的深入探讨和实证分析，我们得出了一系列重要结论：首先，基于 SHAP（Shapley Additive
- 25.42%，多头超额最大回撤仅为 4.42%。
- 1、 以上结果通过历史数据统计、建模和测算完成，在政策、市场环境发生变化时模型存在时效的风险。
- 2、 策略通过一定的假设通过历史数据回测得到，当交易成本提高或其他条件改变时，可能导致策略收益下降甚至出
- 一、为什么需要特征工程？
报告信息
- 文件全名
- 《Alpha掘金系列之十三：AI选股模型特征筛选与处理，SHAP、中性化与另类特征-240909-国金证券-26页.pdf》
- 适合读者
- 核心数据
- 具体来说，在沪深 300 上，因子 IC 均值为 11.91%，
- 多头年化超额收益达 22.92%，而多头超额最大回撤为 6.56%。
- 在中证 500 上，因子 IC 均值为 11.58%，多头年化超额
- 特别是在中证 1000 成分股上，因子表现尤为突出，IC 均值达到 15.42%，多头年化超额收益率为
- 25.42%，多头超额最大回撤仅为 4.42%。
- 核心议题
常见问题
《Alpha掘金系列之十三：AI选股模型特征筛选与处理，SHAP、中性化与另类特征-240909-国金证券》主要包含哪些内容?
随着机器学习模型在量化投资领域的广泛应用，我们在此前的《Alpha 掘金系列之九：基于多目标、多模型的机器学 《Alpha 掘金系列之十：机器学习全流程重构》和《ALPHA 掘金系列之十二：排序学习对 GRU 选股 模型的增强》中，分别深入探讨了结合树模型和神经网络模型的机器学习量化选股架构、模型训练中的标签选择等细核心数据:具体来说，在沪深 300 上，因子 IC 均值为 11.91%，;多头年化超额收益达 22.92%，而多头超额最大回撤为 6.56%。;在中证 500 上，因子 IC 均值为 11.58%，多头年化超额。
这份报告由哪家机构发布?
本报告由国金证券发布,发布于 2024 年。
这份报告覆盖哪一年、篇幅多大?
覆盖 2024 年,全文共 26 页。
这份报告是免费的吗?如何获取?
本报告免费查阅,登录资料宝后即可在线获取完整内容。
这份报告适合哪些读者?
适合投资人、行业研究员等读者参考。
报告涉及哪些关键议题?
重点分析了沪深等议题。
继续阅读
查看全部 →