【东方金工·说深 度】第12期：集成模型的应用

    谢谢您的关注与支(zhī)持！

核心观(guān)点

• 研究通过整合日频(pín)、日内、和Level-2三类(lèi)量价(jià)特征，利用SVM、XGBoost、和Transformer模型，揭示了(le)量价特征(zhēng)和未来(lái)收益率之间的底(dǐ)层关系。通过五分(fēn)类标签的方式，使用预测概(gài)率加权生成最终的量价合成(chéng)因子(zi)，强(qiáng)调了多时间维 度(dù)数据和模(mó)型逻辑的(de)重要性。

• 通过对多个模型（SVM、XGBoost、Transformer）的集成，可以大
  幅提(tí)升预测
  准确性和(hé)稳定性。在三个特征(zhēng)集(jí)的测试中，集成模(mó)型(xíng)的RankIC和年化(huà)超额收益等(děng)指标都(dōu)优于单
  一模型，表(biǎo)现出(chū)色，验证了多模型整合的有效性。

• 【东方金工·说深度】第12期：集成模型的应用font>SVM、XGBoost、和Transformer模型在不同特征数(shù)据上的表现各有(yǒu)优劣，集成模型充分利用了它(tā)们各自的特点(diǎn)。例如，XGBoost在多个(gè)数据集上的稳(wěn)定性和预(yù)测能力最强，而(ér)Transformer在处理(lǐ)时间序(xù)列数据方面表现突(tū)出，SVM则在某些特定市场环境下表(biǎo)现(xiàn)优(yōu)异。集成模型通过结合这些(xiē)不同逻辑模型(xíng)的预测，提
  升了(le)整(zhěng)体的鲁 棒性和准确(què)性。

风险提示

• 量化模型基(jī)于历史数据(jù)分析，未来存(cún)在失效(xiào)风险，建议投资者紧密跟踪模型表现。

• 极端市场环(huán)境可能(néng)对(duì)模型效果造(zào)成剧烈冲击，导致收益亏损。

说明：

本订(dìng)阅号资料(liào)基于东(dōng)方证券股份(fèn)有限公司已发布证券研究(jiū)报告制作。

证券研究(jiū)报告：《集成(chéng)模型在量(liàng)价特征中的应用——因子选股(gǔ)系列研(yán)究之九十三》

发布日期：2023年6月30日

分析师：杨(yáng)怡玲 执业证书编号：S0860523040002

分(fēn)析师：薛耕 执业证书编号：S0860523080007

重要提示（向上滑动浏览(lǎn)）：

本订阅号为(wèi)东方证券股(gǔ)份有限公司（以下称“东方证券(quàn)”）研究(jiū)所金融工程研究团(tuán)队运营的唯一订阅号(hào)，并非东方证券研(yán)究(jiū)报告的(de)发布平台, 本订阅号仅(jǐn)转发东(dōng)方证券已(yǐ)发布研究(jiū)报告的部分内容或对报告进行 的跟踪与解读。通过本订阅号发布的资料(liào)仅(jǐn)供东方证券研(yán)究所指(zhǐ)定客户参考。因本(běn)订阅号无法设置访问(wèn)限制(zhì)，若您并非东(dōng)方证券研究所指定(dìng)客户，为控制投资风险(xiǎn)，请(qǐng)您请取消关注，请勿订阅、接收或使(shǐ)用本订阅号中的任何信息。东方证(zhèng)券不因任何单纯订(dìng)阅本公众号的(de)行为而将订阅人视(shì)为客户。