注册
登录
专栏名称:
东方金工研究
东方证券金融工程与FOF团队最新研究成果展示平台。
我也要提交微信公众号
今天看啥
微信公众号rss订阅, 微信rss, 稳定的RSS源
微信公众号RSS订阅方法
B站投稿RSS订阅方法
雪球动态RSS订阅方法
微博RSS订阅方法
微博搜索关键词订阅方法
豆瓣日记 RSS订阅方法
目录
相关文章推荐
三联生活周刊
·
曾经是“发量王者”的我,如今陷入了头秃焦虑
·
21 小时前
秋叶PPT
·
不开玩笑!一篇文章告诉你,职场里不会AI有多可怕!
·
昨天
秋叶PPT
·
天天在用的支付宝上新了这么好用的AI,我竟然 ...
·
5 天前
秋叶PPT
·
兼职自媒体,这10个坑不要踩
·
6 天前
秋叶PPT
·
千万不要在中秋节前请假!让AI帮我算最佳请假 ...
·
1 周前
今天看啥
›
专栏
›
东方金工研究
【专题研究】DFQ-XGB:基于树模型的alpha预测方案
东方金工研究
·
公众号
· · 2024-08-16 08:00
文章预览
核心结论 树模型的训练细节 输入特征的构造: 树模型需要人工构造特征来捕捉时间依赖性。以纯截面70特征为输入的模型表现,明显弱于以添加时序信息的430特征为输入的模型,IC低1pct以上,RANKIC低接近2pct,ICIR和RANKICIR也有较大差距,多头年化超额低7pct以上。 数据预处理方案的选择: 解释变量X截面上进行稳健的Zscore标准化,减小异常值对标准化结果的影响。预测标签Y截面上进行Zscore标准化。 调参技巧: 使用Optuna调参方法,调参后模型在测试集上的效果有明显提高,IC和RANKIC提高近1pct,多头年化超额提高近4pct。 随机种子的影响: 不同种子下得到的模型表现较为接近,IC和RANKIC相差都在0.5pct以内,多头年化超额相差2pct以内。不同种子下得到的模型相关性很高。 树模型和神经网络模型的比较: 相 同输入特征下,MLP、GRU模型效果均不如XGB模型, ………………………………
原文地址:
访问原文地址
快照地址:
访问文章快照
总结与预览地址:
访问总结与预览
分享到微博
推荐文章
三联生活周刊
·
曾经是“发量王者”的我,如今陷入了头秃焦虑
21 小时前
秋叶PPT
·
不开玩笑!一篇文章告诉你,职场里不会AI有多可怕!
昨天
秋叶PPT
·
天天在用的支付宝上新了这么好用的AI,我竟然还不知道?!
5 天前
秋叶PPT
·
兼职自媒体,这10个坑不要踩
6 天前
秋叶PPT
·
千万不要在中秋节前请假!让AI帮我算最佳请假时间,它竟然让我……
1 周前
生物通
·
直击暴食症根源——吞咽会引发快感
昨天