主动量化组合跟踪：近期量化指增策略的回调复盘与归因分析

基于多目标、多模型的机器学习指数增强策略 根据国金金融工程团队发布的《基于多目标、多模型的机器学习指数增强策略》，考虑到 AI 各类算法在量化领域具有 较强的适用性，同时也越来越受到 A 股众多投资者的关注。我们选取了 GBDT 和 NN 两大类结构具有一定差异的模型， 选取不同的特征数据集进行分别训练，并使用多种预测标签进行对比并融合，最终构建出的 GBDT+NN 机器学习选股因 子在 A 股各类宽基指数上表现优异。 为贴合交易实际，我们构建了基于 GBDT+NN 因子的机器学习模型的指数增强策略，通过对投资组合的跟踪误差进行控 制，最大化因子暴露。回测区间自 2015 年 2 月 1 日开始，假定手续费率单边千二，每月月初调仓。沪深 300 指数增 强策略、中证 500 指数增强策略和中证 1000 指数增强策略上月超额收益率分别为-1.44%、-3.19%和-0.96%。后续随 着市场恢复正常，超额收益有望修复或进一步提升。 基于红利风格择时+红利股优选的固收+策略 我们使用经济增长和货币流动性共 10 个指标，通过动态事件因子的体系构建的红利指数择时策略表现优异，相较于 中证红利指数全收益有显著的稳定 ...