机器学习在选股中的特征工程方法.docxVIP

机器学习在选股中的特征工程方法

一、引言

随着量化投资行业的快速发展，机器学习技术凭借其对高维数据的强大处理能力和非线性关系的挖掘能力，逐渐成为选股模型的核心技术之一。然而在实际应用中，机器学习模型的预测效果并不完全取决于算法本身，特征工程的质量往往起到决定性作用。国内量化投资领域的研究显示，机器学习选股模型的收益贡献中，特征工程的占比超过六成，算法优化的贡献不足四成（李祥林等，2021）。所谓选股中的特征工程，就是从海量的市场、财务、舆情等数据中，提取、加工、筛选出能够有效预测个股未来收益的特征变量的过程，其本质是将原始数据转化为模型可识别、有预测力的信号。

本文将遵循由浅入深、层层推进的逻