加载中...
本报告详细介绍Xgboost算法在量化选股中的应用,通过构建多分类模型预测股票收益率所属层次,实现对全A股、中证500及沪深300指数成分股的选股与指数增强。实验结果显示,Xgboost组合能够有效筛选强势与弱势股票,中证500指数增强组合年化超额收益达10%,信息比率1.4,沪深300指数增强组合年化超额收益4.6%,实现稳定超额收益。报告还探讨模型的特征工程、参数设置及分类类别调整对模型性能的影响,并指出未来改进方向包括时间权重引入及损失函数优化
附:部分关键图片示例(点击图片名查看)
图3:全A股内9类、0类、等权基准组合累计收益率比较
图6:全A内测试集准确率与F1-Score
图10:中证500内预测分类组合年化超额收益率(十分类)
图15:中证500内预测分类组合年化超额收益率(三分类)
图24:沪深300内2类、0类、等权基准组合累计收益率比较 (三分类)
此分析覆盖了报告的全部重要章节与图表,细致剖析了每一关键点。内容旨在帮助读者全面了解Xgboost选股模型理论与实证价值,及其在中国资本市场的强大应用潜力。
【建投金工丁鲁明团队】深度专题92:人工智能研究之八——Xgboost算法在选股中的应用.pdf