2018华泰证券人工智能选股特征选择深度研究｜机器学习多因子选股

报告摘要

特征选择是人工智能选股策略的关键步骤，能有效提升模型预测效果。本报告由华泰证券发布，系统梳理了过滤式、包裹式、嵌入式三大特征选择方法，并基于70个有效因子进行实证。研究发现，随着入选特征数增加，模型AUC先上升后下降，逻辑回归和XGBoost基学习器在入选50个特征时效果最佳；基于F值和互信息的方法对策略提升显著。报告还揭示了价量类因子高频入选的规律，并指出特征选择能减少时间开销、避免过拟合，适合海量因子场景。适合金融研究员、量化投资专家、AI应用开发者、证券分析师及基金经理阅读。

📋 报告目录

1. 本文研究导读
2. 特征选择方法简介
3. 非监督式特征选择
4. 单变量特征选择的统计指标
5. 分类模型的F值
6. 回归模型的F值