金工股市名言警句- 机器学习选股模型的调仓频率实证

　　发布时刻：2019年4月9日

　　研究员：林晓明（S0570516010001）、陈烨（S0570518080004）

　　中心观念

　　周频调仓XGBoost模型体现最好，需求凭借组合优化来操控模型换手率

　　2017年以来，月频调仓的机器学习模型超量收益目标显着下滑。本文依据理论剖析，以为能够经过加速调仓频率来提高机器学习选股模型的体现。在实证中，本文对比了三种调仓频率的XGBoost模型，周频调仓XGBoost体现最好。此外，关于周频调仓XGBoost来说，需求运用组合优化来操控换手率才干到达最优的回测成果。最终，本文测试了周频调仓XGBoost在不同交易成本下的体现，投资者能够参阅不同交易成本下的回测成果来规划调仓计划。

　　依据理论剖析，能够经过加速调仓频率来提高机器学习选股模型的体现

　　2017年以来，月频调仓的机器学习模型超量收益目标显着下滑。本文计算了XGBoost模型的月度RankIC均值，2017年之后，其月度RankIC均值呈现下滑，或许原因之一是2017年今后A股商场变得愈加有用，月频调仓的模型面对应战。依据RichardGrinold提出的公式IR=IC√BR，在IC(信息系数)下滑的情况下，为了到达给定的IR(信息比率)水平，一个可行的办法便是增大BR研究所。文章内容属作者个人观念，不代表和讯态度。投资者据此操作，危险请自担。股票新闻