【东方 金工·说深度】第12期：集成模型的应用

    谢谢您的关注与支持(chí)！

核(hé)心观点

• 研究通过整合 日频、日内、和Level-2三类量价(jià)特征，利用SVM、XGBoost、和(hé)Transformer模型，揭示了量(liàng)价特征和未(wèi)来收(shōu)益率之间(jiān)的底层关(guān)系。通过五分类(lèi)标签的方(fāng)式，使用预测概率加权生成(chéng)最终的量价合成因子，强(qiáng)调了多时(shí)间维(wéi)度数据和模型逻辑的重要性。

• 通过对多个模型（SVM、XGBoost、Transformer）的集成，可以大幅提升预测准确(què)性和稳定性。在(zài)三(sān)个特征集的测试中，集成模型的RankIC和年化超额收益等指标都优于单一模型，表现(xiàn)出色，验证了多模型整合(hé)的有效性(xìng)。

• SVM、XGBoost、和Transformer模型在不同特征数据上的表现各有优劣，集成模型充分利用了它们各(gè)自的特点。例如，XGBoost在多个数据集上 的稳定性和(hé)预(yù)测(cè)能力(lì)最强，而Transformer在处理时(shí)间序列数据(jù)方面(miàn)表现(xiàn)突出，SVM则在(zài)某些特定(dìng)市场环境(jìng)下表现优异。集(jí)成模型通(tōng)过结合这些不(bù)同逻辑模型的预测，提升了整体的鲁棒性和准确(què)性。

风险提示(shì)

• 量(liàng)化(huà)模型基于历史数据分析，未来存在失效风险(xiǎn)，建议投资者紧密跟踪模型表现。

• 极端市场环境可能对模型效果造成剧烈(liè)冲击，导致收益亏损(sǔn)。

说明：

本订(dìng)阅号资料基于东方证(zhèng)券(quàn)股份(fèn)有限公司已(yǐ)发布证券研究报告制作。

证券研究报(bào)告：《集成模型在量(liàng)价(jià)特征中的应用——因子选股系列研究之九十三》

发(fā)布日期：2023年6月30日

分析师(shī)：杨怡玲 执业证书编号：S0860523040002

分析师：薛耕 执业证书编(biān)号：S0860523080007

重要提(tí)示（向上滑动浏览）：

本订阅号为东方证券股份有限公司（以下称“东方证券”）研究(jiū)所(suǒ)金融工程研究团队运营
的(de)唯一订阅号，并非东方(fāng)证券研究报(bào)告的发(fā)布(bù)平台, 本订阅号仅转发东方证券已发布研究报(bào)告的部分内容或(huò)对报告进行的跟踪与解读。通过本订阅号发布的(de)资料仅供(gōng)东方证券研(yán)究所指定客户参考。因本(běn)订阅号无法设置访问限制，若您并非东方证券研究所指定(dìng)客户，为控制投资风险，请您请取(qǔ)消关注，请勿订阅、接收或使用本订阅号中的任何信息。东方证券不因任(rèn)何单纯订(dìng)阅本公众号的行为而(ér)将订阅人视为客户。

未经允许不得转载：橘子百科-橘子都知道 【东方金工·说深度】第12期：集成模型的应用