主动量化组合跟踪：10 月机器学习沪深 300 指增策略表现出色

国证 2000 指数增强策略 经过因子测试与筛选，包括技术、反转、特异波动率等在内的因子在国证 2000 指数成分股上均有出色表现，我们所 合成的各个大类因子也基本都起到了很好的提升效果。10 月该因子表现恢复出色，IC 值 25.34%。样本外整体策略表 现出色，10 月策略的超额收益为 2.92%。 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》，原策略中我们选取了 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 股各类宽基指数上历史表现优异。但在今年以来，尤其是近期市场风格出 现调整后有失效表现。 对此，我们根据《Alpha 掘金系列之十八：基于 TimeMixer 改进的选股因子到 ETF 轮动策略》，创新性地将其多尺度 混合与季节/趋势分解机制引入 GRU 模型，通过 LightGBM 集成 TSGRU 隐向量与传统量化因子，构建了改进的机器学习 选股模型，该模型能更好地捕捉近期的市场信息，表现出色。 风险提 ...