机器学习多因子动态调仓策略｜广发证券量化投资研究｜2018

报告摘要

传统多因子策略在2017年以来遭遇回撤，因子择时成为破局关键。本报告提出基于XGBoost的机器学习多因子动态调仓策略，通过预测因子IC实现风格轮动，动态加权复合因子。回测显示：2014年以来累积收益率达107.89%，年化收益率20.08%，最大回撤仅7.68%，信息比1.74，显著优于因子等权策略。策略采用滚动训练，适应市场风格变化，有效提升超额收益。适合量化研究员、金融工程分析师、投资经理等专业人士参考。

📋 报告目录

1. 一、背景介绍
2. 二、因子择时框架
3. 三、机器学习模型
4. 四、动态调仓策略
5. 五、回测表现
6. 六、结论与风险提示