加载中...
本报告使用线性模型与提升树模型,基于分析师预期数据构建股票收益率预测模型,通过技术手段降低与盈利及市值因子相关性,稳定提取独立alpha信息。提升树模型能有效捕捉非线性特征,预测性优于线性模型,且两者在行业和市值表现上互补。等权融合两模型组合策略表现优于单一线性模型,且增量收益稳定且独立,适合沪深300和中证500指数增强策略应用
本报告主体为研究模型构建、alpha提炼和策略表现,未涉及具体标的公司估值内容,故无估值分析段落。
,17-21,33]
天风证券的这份研究报告系统地探索了利用提升树算法来建模分析师预期数据因子的方法,解决了传统线性模型难以提炼非线性alpha以及因子与基础财务因子高相关性的难题。研究团队通过以下重要贡献丰富了因子挖掘技术:
综上,报告全面、细致而专业地解构了针对复杂分析师预期数据应用提升树模型的技术路径、风险挑战及成效验证,展现出高度的工程实践价值及投资应用价值。其核心结论即:利用提升树模型,全流程滚动训练并结合多重去相关技术,能有效捕捉分析师预期数据中的线性和非线性alpha,增强股票收益预测的准确性和稳定性,为投资组合提供实质性增量alpha。同时,线性模型和提升树模型在不同行业和市值领域展现互补优势,结合使用实现组合表现的显著提升和风险的有效控制。
以上内容中所有数据、图表及分析均基于报告原文内容,标注对应页码。
,5-32]
金工专题报告:用树模型提取分析师预期数据中的非线性alpha信息.pdf