久久一日本道色综合久久_国产最爽的av片在线观看_精品成人Av一区二区三区_94久久国产乱子伦精品免费_国产三级网站在线观看_和女邻居做爰在线观看_wymfw最新免费_国产强奷在线免费阅读_95在线观看视频

核心觀點
　　本文使用一系列機器學習模型對相同的輸入因子進行特征工程，對比不同模型選股組合的投資表現(xiàn)，并定量分析因子對個股定價的影響，得出如下結論：
　　首先，機器學習能夠提高投資組合的績效，集成學習樹模型效果最佳。其次，機器學習模型體現(xiàn)出了對A股市場的一定動態(tài)適應能力。最后，交易類因子是決定個股短期定價最重要的因素之一。成交穩(wěn)定，價格低波動的股票短期內表現(xiàn)出較高回報。
　　機器學習模型能提升組合績效，樹模型表現(xiàn)最佳
　　以萬得全A指數(shù)為基準，各機器學習模型在樣本外都可獲得超額回報。分別在固定時間窗口訓練模式和滾動時間窗口訓練模式下，對比3類共10種機器學習模型在預測股票短期收益率方面的效果。結果顯示，梯度提升樹模型LightGBM和XGBoost在兩種訓練模式下表現(xiàn)最好。
　　機器學習模型有動態(tài)適應能力
　　測評各模型在滾動時間窗口模式下，預測股票短期回報的表現(xiàn)。結果顯示，絕大多數(shù)模型在滾動窗口模式下，股票回報預測的準確性良好。這表明機器學習模型具有一定的動態(tài)環(huán)境適應能力。
　　交易類因子是影響個股短期定價最關鍵的因素
　　本文檢驗了主流多因子和經研究檢驗的補充因子的重要性。結果顯示，各模型在不同年份，都認為交易類因子的重要性最高，交易類因子是影響股票短期定價的關鍵因素，重要程度占比為75%。相比而言，基本面因子對股票短期回報的解釋力和預測力較弱。
　　流動性穩(wěn)定、低波動性的股票短期收益占優(yōu)
　　短期內回報較高的股票通常具備以下幾個交易特征：成交額波動較小，價格對交易正彈性，短期內未發(fā)生過大幅度籌碼交換且近期未發(fā)生過價格的劇烈波動。
　　風險提示
　　模型測算風險：超參數(shù)設定對模型結果有較大影響；收益指標等指標均限于一定測試時間和測試樣本得到，收益指標不代表未來。
　　模型失效風險：機器學習模型基于歷史數(shù)據(jù)進行測算，不能直接代表未來，僅供參考。