银河基金罗博： 深挖量化学习潜力 提升投资适应能力

"比如，XGBoost可以对因子的重要性进行展示，通过排序帮助我们识别哪些因子更加重要，增强模型 对市场变化的适应能力。尤其是在今年的结构化行情下，非线性策略能够抓住一些弹性品种的机 会。"罗博表示。 □本报记者 王鹤静 为适应复杂的市场环境，银河基金量化团队近年来在深度量化选股研究领域持续深耕，突破传统线性分 析对历史回测分析的局限，通过非线性分析方式，更加精准地分析市场，挖掘其中的投资机遇。 日前，银河基金量化与FOF投资部总监助理、基金经理罗博在接受中国证券报记者采访时介绍了量化研 究的新思路。在指数样本增强方面，罗博主要采取线性和非线性相结合的方式，由多因子模型与非线性 的机器学习模型互相协作，力争获得相对稳健的超额收益；同时，由于模型间相关性较低，力争有效降 低整体组合的跟踪误差。 开发深度神经网络学习 罗博具有21年证券从业经验、15年公募基金管理经验，长期扎根于指数与量化投资领域。随着市场环境 持续发生变化，罗博意识到，量化投资仅仅依靠线性分析把握市场长期规律愈发难以支撑，在行业趋势 从线性向非线性过渡的过程中，需要不断学习非线性分析技术，紧跟市场变化。 经过近年来的逐步积累和完善，目前罗博针对 ...