20240328-国金证券-Alpha掘金系列之十_机器学习全流程重构——细节对比与测试_22页_2mb

金融工程专题报告摘要

本报告围绕机器学习在量化选股领域的模型训练细节展开详细分析，重点探讨了以下六个问题：

1. 特征和标签的数据预处理：

   • 截面模型（如GBDT）更适合使用整个训练集进行 ZScore 标准化，保留日期间的相对大小关系；
   • 时序模型（如 GRU）则需对特征和标签分别进行 RobustZScore 或 CSRank 处理，以保留时序信息。

2. 全A股票与成分股训练：

   • 两种方式的优劣取决于指数（沪深300/中证500/中证1000）和模型类型（GBDT/GRU）。例如，GRU 在使用全A数据时效果更优，而 GBDT 在成分股训练中表现更好。

3. 训练方式（一次性/滚动/扩展）：

   • 一次性训练对 GBDT 更有效；滚动和扩展训练在 GRU 上表现更稳健。

4. 分类与回归模型：

   • 回归模型（如 MSE 损失）在 IC 值和多空收益上均优于分类模型，保留数据的原始标签信息有助于提升效果。

5. 损失函数是否修改为 IC：

   • 不使用 IC 或其变体作为损失函数，能够获得与 MSE 相近甚至更优的结果，修改损失函数无显著提升。

6. 集成方法（GBDT、DART、RF）：

   • 引入 Dropouts 思想的 DART 模型优于 GBDT，能有效缓解过拟合；随机森林表现较弱。

实验结果与策略应用

• GBDT 与 NN 结合后，在样本外效果上表现突出，合成因子 IC 均值分别为 1098%（沪深300）、1087%（中证500）和 1514%（中证1000）。
• 基于优化后的因子，构建指数增强策略：
  • 沪深300：年化超额 1543%，最大回撤 287%；
  • 中证500：年化超额 2050%，最大回撤 839%；
  • 中证1000：年化超额 3225%，最大回撤 433%。

风险提示

• 历史数据回测结果存在时效性风险，市场政策变化可能导致模型失效；
• 交易成本增加或策略条件变动可能削弱策略表现。

关键结论

• 数据预处理需根据模型类型调整，时序与截面模型方法不同；
• 回归任务优于分类任务，MSE 为最佳损失函数；
• DART 集成算法显著提升模型泛化能力；
• GBDT 和 NN 合成因子在宽基指数成分股上效果最优。

（注意：本总结仅提取报告核心内容，未引用具体图表或公式）

免责声明：此内容为简化摘要，不代表完整分析，实际应用需结合风险评估和专业判断。