机器学习视角下的因子拥挤度指标择时作用研究-招商证券2020

报告摘要

本报告构建了8个因子拥挤度指标（估值价差、配对相关性等），利用XGBoost和LSTM对因子收益方向择时，但未显著优于纯做多；通过PCA合成指标调整多因子组合权重，小幅战胜等权基准。揭示A股因子拥挤度的尾部风险警示作用，为量化投资提供新视角。

📋 核心要点(部分)

1. 因子拥挤度指标构建
2. 单因子择时（XGBoost/LSTM）
3. 多因子合成与权重调整
4. 结论与启示