【招商定量·深度报告巡礼之四】利用基本面信息改进机器学习因子

文章预览

在机器学习因子生成任务中，如何防止模型过拟合使得模型在样本外能够有稳定的表现一直是关注的重点。引入基本面信息可以从两个方面改进机器学习因子的表现，一是调整机器学习量价因子的学习目标；二是作为互补信息改进综合因子的表现。此外采用梯度提升树模型提高机器学习因子迭代频率可以进一步提高综合因子的表现。 在引入周频量价信息后，原量价机器学习模型的因子表现有所提升，IC提升较为明显，多头收益率提升有限。 量价信息只是资产定价模型中的一个维度，融入基本面信息可以显著改善综合机器学习因子的表现。在机器学习模型融入基本面信息的方式主要有两个维度，一个是风险维度即对目标收益率进行基本面风格的剔除。另一个是利用基本面Alpha因子与量价因子的互补性改进机器学习因子模型的表现。 对学习目标进行风 ………………………………