机器学习模型在量化选股中易陷入过拟合陷阱，如何辨别真实规律与随机噪声？华泰证券金工团队推出人工智能系列第十九篇，首次系统运用Bootstrap重采样技术构建“平行A股市场”，模拟不同环节随机性对模型的影响。研究发现：分组时序交叉验证在平行世界中表现稳健，显著优于其他方法。本文从方法论层面创新模型比较与评价流程，帮助量化研究员、金融工程师和数据科学家基于统计分布而非单一指标做出决策，避免回测时间选择等常见误判。适合所有关注AI+量化、过拟合防范及策略鲁棒性的投资者参考。
机器学习模型在量化选股中易陷入过拟合陷阱，如何辨别真实规律与随机噪声？华泰证券金工团队推出人工智能系列第十九篇，首次系统运用Bootstrap重采样技术构建“平行A股市场”，模拟不同环节随机性对模型的影响。研究发现：分组时序交叉验证在平行世界中表现稳健，显著优于其他方法。本文从方法论层面创新模型比较与评价流程，帮助量化研究员、金融工程师和数据科学家基于统计分布而非单一指标做出决策，避免回测时间选择等常见误判。适合所有关注AI+量化、过拟合防范及策略鲁棒性的投资者参考。
机器学习模型在量化选股中易陷入过拟合陷阱，如何辨别真实规律与随机噪声？华泰证券金工团队推出人工智能系列第十九篇，首次系统运用Bootstrap重采样技术构建“平行A股市场”，模拟不同环节随机性对模型的影响。研究发现：分组时序交叉验证在平行世界中表现稳健，显著优于其他方法。本文从方法论层面创新模型比较与评价流程，帮助量化研究员、金融工程师和数据科学家基于统计分布而非单一指标做出决策，避免回测时间选择等常见误判。适合所有关注AI+量化、过拟合防范及策略鲁棒性的投资者参考。核心数据:Bootstrap重采样;分组时序交叉验证;平行A股市场。
本报告由华泰证券发布,发布于 2019 年。
覆盖 2019 年,全文约 28。
本报告免费查阅,登录资料宝后即可在线获取完整内容。
适合量化研究员、金融工程师、数据科学家、投资经理等读者参考。
重点分析了金融投资、量化投资等议题。