20241203-国金证券-量化漫谈系列之十二_中证A500AI指增再优化-全样本训练+分域微调_16页_2mb

报告分析了在中证A500指数上应用机器学习模型以提升投资策略，减少跟踪误差。传统AI模型在该指数上效果欠佳，因此本研究重点探讨GRU和LightGBM模型的优化。GRU模型使用全A股数据训练，加入LayerNorm归一化层并采用迁移学习微调，提升在中证A500上的适应性和预测能力。LightGBM模型发现固定训练优于滚动训练，整合Alpha158、GJQuant等增量信息，且不分筛选高质因子时表现良好。最终，合成GRU和LightGBM因子后回测，多头策略年化超额收益达1470%，整体增强策略年化超额收益1306%，跟踪误差547%。回测覆盖充分，跨年度收益稳定，但存在模型时效性和交易成本等风险。研究强调数据规模和模型优化的重要性。