基于集成学习的中国股票市场多因子策略研究

发布时间：2023-02-24 10:22

　　使用随机森林、Adaboost和XGboost算法来对传统的股票多因子模型进行改进,同时在因子构建时引入了遗传算法,增加了因子的多样性。实证检验发现,在使用相同因子的条件下,使用集成学习算法进行滚动训练获得了比等权打分法和基准指数更好的收益表现,证明了集成学习在中国股票市场多因子模型构建上的有效性,为量化投资的多因子模型提供了新的思路。

【文章页数】：16 页

【文章目录】：
一、引言
二、文献综述
三、多因子模型理论
四、集成学习理论
    (一)随机森林算法
        1.决策树原理及数学表达
            (1)Gini系数
            (2)信息熵
        2.随机森林
    (二)AdaBoost算法
    (三)XGBoost算法
        1.GBDT算法的原理及数学表达
        2.XGboost的原理及数学表达
        3.XGboost算法的优势
五、候选因子有效性检验
六、多因子模型的构建
    (一)随机森林算法
    (二)Adaboost算法
    (三)XGBoost算法
    (四)模型组合
七、结论与展望



本文编号：3748698