集成学习方法在量化多因子模型融合.docxVIP

集成学习方法在量化多因子模型融合

一、引言

量化多因子模型是当前全球权益类量化投资的核心框架，其核心逻辑是通过挖掘各类与证券未来收益相关的信号，构建系统性的收益预测体系，进而获取长期稳定的超额收益。这一框架的理论根基最早建立在资本资产定价与市场异象研究之上，线性加权的因子合成方式长期作为行业主流方案，但随着全球资本市场有效性的逐步提升，传统单一框架下的多因子模型普遍面临超额收益衰减、风格适应性差、异质信号整合效率低等问题。有研究显示，过去十余年间，全球主要市场中传统线性多因子模型的超额收益水平下降超过四成，单一模型在风格快速切换行情中的回撤幅度显著放大（法玛、弗伦奇，2015）。从国内市场看，