聚焦金融工程专题报告:基于知识蒸馏的AI选股模型优化。❖ 蒸馏因子集成:基于 5 类数据集、按是否融合基本面信息各训练 2 次,我们共得到 10 组因子,因子集合之间平均相关性约 80%;进一步采用 LightGBM、Xgboost、CatBoost 三类 GBDT 模型加权,三类预测结果平均相关性约 90%。蒸馏综合因子与基于原始标签训练的基准综合因子相关性约 76%,增量信息显著;与 Teacher 因子值相关性约 87%,较好地继承了成熟模型的特征表达。❖ 综合因子绩效:基于蒸馏框架重构的 AI 综合因子,2021 年以来 5 日 IC 均值 13.0%,多头组合年化超额收益 50.0%,相较基准模型提升明显。
聚焦金融工程专题报告:基于知识蒸馏的AI选股模型优化。❖ 蒸馏因子集成:基于 5 类数据集、按是否融合基本面信息各训练 2 次,我们共得到 10 组因子,因子集合之间平均相关性约 80%;进一步采用 LightGBM、Xgboost、CatBoost 三类 GBDT 模型加权,三类预测结果平均相关性约 90%。蒸馏综合因子与基于原始标签训练的基准综合因子相关性约 76%,增量信息显著;与 Teacher 因子值相关性约 87%,较好地继承了成熟模型的特征表达。❖ 综合因子绩效:基于蒸馏框架重构的 AI 综合因子,2021 年以来 5 日 IC 均值 13.0%,多头组合年化超额收益 50.0%,相较基准模型提升明显。
聚焦金融工程专题报告:基于知识蒸馏的AI选股模型优化。❖ 蒸馏因子集成:基于 5 类数据集、按是否融合基本面信息各训练 2 次,我们共得到 10 组因子,因子集合之间平均相关性约 80%;进一步采用 LightGBM、Xgboost、CatBoost 三类 GBDT 模型加权,三类预测结果平均相关性约 90%。蒸馏综合因子与基于原始标签训练的基准综合因子相关性约 76%,增量信息显著;与 Teacher 因子值相关性约 87%,较好地继承了成熟模型的特征表达。❖ 综合因子绩效:基于蒸馏框架重构的 AI 综合因子,2021 年以来 5 日 IC 均值 13.0%,多头组合年化超额收益 50.0%,相较基准模型提升明显。核心数据:❖ 蒸馏因子集成:基于 5 类数据集、按是否融合基本面信息各训练 2 次,我们共得到 10 组因子,因子集合之间平均相关性约 80%;进一步采用 LightGBM、Xgboost、CatBoost 三类 GBDT 模型加权,三类预测结果平均相关性约 90%;蒸馏综合因子与基于原始标签训练的基准综合因子相关性约 76%,增量信息显著。
本报告由财通证券发布,发布于 2026 年。
覆盖 2026 年,全文共 21 页。
本报告为付费报告,可在资料宝站内下单后获取完整内容。
适合战略规划、产品经理、行业研究员等读者参考。
重点分析了AI、金融工程专题报告等议题。