为了避免股票市场中因子之间复杂非线性关系引起的多因子选股模型过拟合现象,基于因子偏离度对股票因子数据进行分析,筛选影响股票收益率的有效因子,通过梯度提升树对股票影响因子的权值进行不断调整和分析,建立一个DEV-GBDT量化选股模型,再根据基于因子偏离度的GBDT多因子选股模型的预测结果进行模拟交易,以沪深300指数成分股2010年1月1日—2019年7月31日数据为例进行实证分析.实验结果表明,DEV-GBDT选股模型的年化收益率达26.14％,比传统GBDT选股模型提高8.61％.基于因子偏离度的GBDT多因子选股模型能有效识别股市影响因子,提高股票预测准确度,帮助投资者获得超额收益.
国家科技期刊平台
NSTL
万方数据
维普
