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。
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。
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。核心数据:70个原始有效因子;入选特征数50左右效果最佳;逻辑回归_6m和XGBoost_6m AUC提升。
本报告由华泰证券发布,发布于 2018 年。
覆盖 2018 年,全文约 25。
本报告免费查阅,登录资料宝后即可在线获取完整内容。
适合金融研究员、量化投资专家、AI应用开发者、证券分析师等读者参考。
重点分析了金融投资、金融投资研究等议题。