机器学习增强型价值因子在量化投资中的有效性检验.docxVIP

机器学习增强型价值因子在量化投资中的有效性检验

一、引言

在量化投资领域，价值因子始终是策略构建的核心工具之一。其核心逻辑在于通过价格与基本面的偏离度指标（如市盈率、市净率等）筛选被市场低估的资产，长期持有以获取均值回归收益。然而，随着市场有效性提升和数据复杂度增加，传统线性模型对价值因子的挖掘逐渐显现出局限性——难以捕捉因子间的非线性交互、无法动态适应市场结构变化、对高频噪声的鲁棒性不足等问题，导致策略超额收益持续收窄。

近年来，机器学习技术的快速发展为解决这一困境提供了新路径。通过引入随机森林、梯度提升树、神经网络等非线性模型，量化投资研究者尝试对价值因子进行“增强”：一方面优化因子筛选与