第七届挑战赛A1-机器学习优化股票多因子模型的研究与实证分析

本文研究了如何利用机器学习方法优化股票多因子模型，并构建了SVM-RC多因子选股策略。首先，通过IC显著性分析和主成分分析从大量候选因子中筛选出最优因子，并构建了多因子选股模型。其次，利用随机森林、AdaBoost和支持向量机三种机器学习算法对模型进行优化，发现支持向量机算法效果最佳，并提出了消除过拟合现象的处理方法，建立了SVM-CO提升模型。最后，结合行业中性、风格中性组合和波动率控制三种风险控制方法，建立了SVM-RC多因子选股策略。实证分析表明，该策略具有高收益、低风险的特性，年化收益率超过50%，最大回撤控制在10%以内，且在不同市场行情下均能连续获利。