20240328-国金证券-Alpha掘金系列之十：机器学习全流程重构_细节对比与测试.pdfVIP

模型训练的若干细节测试

机器学习模型通过其复杂的非线性方式往往能得到较好的截面选股能力，但由于其“黑箱”的特性使投资者在进行模

型训练的过程中对于很多细节问题没有明确的定论。本篇报告尝试探索了以下几个细节问题：包括特征和标签的数据

预处理方式，使用全A股票训练还是成分股训练，使用一次性训练、滚动或是扩展训练的效果区别，分类模型和回归

模型的差异，损失函数改为IC后是否有进一步提升，不同的树集成方法优劣对比共六个方面。

发现对于截面模型和时序模型而言，其最优数据预处理的方式有所不同。截面模型更适合使用整个训练集进行ZScore

标准化，从而保留数据不同日期间的相对大小关系，而时序模型则应对特征和标签分别使用不同的方式处理。在训练

方式上，我们也针对一次性、滚动或扩展训练进行对比，发现选取合适的样本区间能使模型更能适应不同的市场环境。

在训练所用样本上，我们发现使用全A训练还是成分股训练既与所使用基准有关，同时也与模型本身特性相关，需要

分情况使用最合适的样本。而在分类和回归模型的选择上，我们经过对比发现，回归模型所得因子在各指标上都能超

过分类模型的效果，保留更有颗粒度的标签数据有助于提升模型的学习效果