金融工程月报：主动量化组合跟踪：4月机器学习中证500指增策略表现出色.pdfVIP

国证2000指数增强策略

经过因子测试与筛选，包括技术、反转、特异波动率等在内的因子在国证2000指数成分股上均有出色表现，我们所

合成的各个大类因子也基本都起到了很好的提升效果。整体该因子表现出色，IC值12.40%。样本外整体策略表现调

整，4月策略的超额收益为-6.34%。

基于多目标、多模型的机器学习指数增强策略

根据国金金融工程团队发布的《基于多目标、多模型的机器学习指数增强策略》，原策略中我们选取了GBDT和NN两

大类结构具有一定差异的模型，选取不同的特征数据集进行分别训练，并使用多种预测标签进行对比并融合，最终构

建出的GBDT+NN机器学习选股因子在A股各类宽基指数上历史表现优异。

对此，我们根据《Alpha掘金系列之十八：基于TimeMixer改进的选股因子到ETF轮动策略》，创新性地将其多尺度混

隐向量与传统量化因子，构建了改进的机器学习选

合与季节/趋势分解机制引入GRU模型，通过LightGBM集成TSGRU

股模型，该模型能更好地捕捉近期的市场信息，表现出色。

为贴合