【东方金工·说深度】第12期：集成模型的应用

谢谢您的关注与支持！

核心观点

研究通过整合日频、日内、和Level-2三类量价特征，利用SVM、XGBoost、和Transformer模型，揭示了量价特征和未来收益率之间的底层关系。通过五分类标签的方式，使用预测概率加权生成最终的量价合成因子，强调了多时间维度数据和模型逻辑的重要性。
通过对多个模型（SVM、XGBoost、Transformer）的集成，可以大幅提升预测准确性和稳定性。在三个特征集的测试中，集成模型的RankIC和年化超额收益等指标都优于单一模型，表现出色，验证了多模型整合的有效性。
SVM、XGBoost、和Transformer模型在不同特征数据上的表现各有优劣，集成模型充分利用了它们各自的特点。例如，XGBoost在多个数据集上的稳定性和预测能力最强，而Transformer在处理时间序列数据方面表现突出，SVM则在某些特定市场环境下表现优异。集成模型通过结合这些不同逻辑模型的预测，提升了整体的鲁棒性和准确性。

风险提示

量化模型基于历史数据分析，未来存在失效风险，建议投资者紧密跟踪模型表现。
极端市场环境可能对模型效果造成剧烈冲击，导致收益亏损。

说明：

本订阅号资料基于东方证券股份有限公司已发布证券研究报告制作。

证券研究报告：《集成模型在量价特征中的应用——因子选股系列研究之九十三》

发布日期：2023年6月30日

分析师：杨怡玲执业证书编号：S0860523040002

分析师：薛耕执业证书编号：S0860523080007

重要提示（向上滑动浏览）：

本订阅号为东方证券股份有限公司（以下称“东方证券”）研究所金融工程研究团队运营的唯一订阅号，并非东方证券研究报告的发布平台, 本订阅号仅转发东方证券已发布研究报告的部分内容或对报告进行的跟踪与解读。通过本订阅号发布的资料仅供东方证券研究所指定客户参考。因本订阅号无法设置访问限制，若您并非东方证券研究所指定客户，为控制投资风险，请您请取消关注，请勿订阅、接收或使用本订阅号中的任何信息。东方证券不因任何单纯订阅本公众号的行为而将订阅人视为客户。

未经允许不得转载：蚂蚁礼品网【东方金工·说深度】第12期：集成模型的应用