2018东北证券人工智能系列：机器学习算法在价量特征中的应用｜量化选股实证
基于34个价量特征，运用决策树、支持向量机、随机森林、AdaBoost、GBDT、XGBoost等6种机器学习模型进行36个月滚动训练回测，构建投资组合。实证结果显示：随机森林多头组合年化收益最高达14%，夏普比率0.44；XGBoost多空组合年化收益最优达12.11%，夏普比率0.9。报告深入分析模型调参与因子筛选，为量化投资提供可解释性思路。适合量化研究员、金融工程师、证券分析师及机器学习从业者参考。
报告摘要
基于34个价量特征，运用决策树、支持向量机、随机森林、AdaBoost、GBDT、XGBoost等6种机器学习模型进行36个月滚动训练回测，构建投资组合。实证结果显示：随机森林多头组合年化收益最高达14%，夏普比率0.44；XGBoost多空组合年化收益最优达12.11%，夏普比率0.9。报告深入分析模型调参与因子筛选，为量化投资提供可解释性思路。适合量化研究员、金融工程师、证券分析师及机器学习从业者参考。
核心要点
- 1.引言
- 2.价量指标
- 3.机器学习选股体系
- 3.1整体流程
- 3.2模型调参
- 4.机器学习模型实证
- 4.1决策树
报告信息
- 文件全名
- 《人工智能系列报告实证篇：人工智能算法在价量特征中的应用-东北证券》
- 适合读者
- 核心数据
- 随机森林多头年化收益14%
- 多空组合年化收益7.11%-12.11%
- 夏普比率0.78-0.9
- XGBoost多空收益12.11%
- 核心议题
常见问题
《2018东北证券人工智能系列：机器学习算法在价量特征中的应用｜量化选股实证》主要包含哪些内容?
基于34个价量特征，运用决策树、支持向量机、随机森林、AdaBoost、GBDT、XGBoost等6种机器学习模型进行36个月滚动训练回测，构建投资组合。实证结果显示：随机森林多头组合年化收益最高达14%，夏普比率0.44；XGBoost多空组合年化收益最优达12.11%，夏普比率0.9。报告深入分析模型调参与因子筛选，为量化投资提供可解释性思路。适合量化研究员、金融工程师、证券分析师及机器学习从业者参考。核心数据:随机森林多头年化收益14%;多空组合年化收益7.11%-12.11%;夏普比率0.78-0.9。
这份报告由哪家机构发布?
本报告由东北证券发布,发布于 2018 年。
这份报告覆盖哪一年、篇幅多大?
覆盖 2018 年,全文约 29。
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?
适合量化研究员、金融工程师、投资经理、证券分析师等读者参考。
报告涉及哪些关键议题?
重点分析了金融投资、价量特征中等议题。
继续阅读
查看全部 →