【华泰金工林晓明团队】未来已来：AI量化选股模型概览——兼谈人工智能量化多因子基金的特点

摘要人工智能和机器学习能与量化多因子选股模型相结合人工智能（Artificial Intelligence）本质是以数理模型为核心工具，结合控制论、认知心理学等其它学科的研究成果，最终由计算机系统模拟人类的感知、推理、学习、决策等功能。从模型构建的角度上来看，机器学习与多因子选股有诸多共通之处，借助机器学习模型，多因子模型可以在以下方面相比于传统方法论有所突破：1. 机器学习模型相比传统线性模型在海量数据下有更好的性能。基于机器学习的多因子选股模型能充分使用海量、高维的因子数据。2. 大多数机器学习模型都具有非线性拟合能力。基于机器学习的多因子选股模型能利用非线性因子。
两种常用的机器学习模型：XGBoost和Stacking均有优秀的选股能力本文介绍了两种常用的机器学习模型的原理：XGBoost和Stacking。XGBoost具有非线性拟合能力强、速度快等特点。Stacking ( 点击阅读全文 )

→ 免费下载App，立即成为ETF达人