【广发金工】机器学习选股训练手册

广发证券首席金工分析师 安宁宁 SAC: S0260512020003 anningning@gf.com.cn 广发证券资深金工分析师 陈原文 SAC: S0260517080003 chenyuanwen@gf.com.cn 广发证券资深金工分析师 王小康 SAC: S0260525020002 wangxiaokang@gf.com.cn 广发金工安宁宁陈原文团队 摘要 模型选择 ： 机器学习在量化选股领域多年来被各类投资者广泛应用，近些年随着传统因子的大面积失 效，量化策略中机器学习使用的占比还在不断提高。我们选择应用广泛、具有代表性的GBDT类树模型 和神经网络模型进行训练测试。其中GBDT类模型主要包括LGBM, XGBoost和CatBoost，神经网络模型 主要包括GRU,TCN和Transformer。 特征数据准备 ： 量价与基本面类特征适用模型类型不同，树模型能有效处理手工构造的量价和基本 面特征，而神经网络类模型由于需要捕捉特征的时序变化，低频变化的基本面因子喂入会导致效果 较差。此外，鉴于目前投资者积累的各类特征越来越多，进行一定程度的特征筛选再投喂模型也能 提升模型的训练效率。我们 ...