华泰证券人工智能系列之十八：机器学习选股模型调仓频率实证研究(2019)

报告摘要

本报告由华泰证券发布，聚焦机器学习选股模型的调仓频率优化。研究发现，自2017年以来月频调仓模型超额收益下滑，通过加快调仓频率可显著提升表现。实证对比了月频、半月频和周频XGBoost模型，周频调仓模型在年化超额收益率（21.02%）、信息比率（3.86）和Calmar比率（5.28）上均最优。同时指出，高换手率需要借助组合优化控制，并测试了不同交易成本下的表现。适合量化研究员、金融工程师、投资经理及机器学习从业者参考。

📋 核心要点(部分)

1. 研究导读
2. 理论分析：调仓频率与模型表现
3. 实证对比：月频/半月频/周频XGBoost
4. 组合优化控制换手率
5. 不同交易成本下表现
6. 风险提示