机器学习算法助力组合优化：风险预算模型提升指数增强策略表现

报告摘要

本报告探索机器学习算法在因子组合优化中的应用，针对线性优化和二次规划的局限性，借鉴风险预算模型，采用循环坐标下降（CCD）与交替方向乘子（ADMM）算法，实现更稳定、低换手、高信息比的指数增强组合。实证显示，中证500增强组合信息比从1.54提升至1.80，最大回撤由7.7%降至6.4%，换手率降至41.0%。

📋 核心要点(部分)

1. 因子组合构建方式
2. 二次规划边际提升
3. 风险预算模型
4. 风险预算增强组合实证