基于随机森林的多因子选股模型实证研究
本文探讨了随机森林算法在A股市场多因子选股中的应用效果。研究选取2015-2023年沪深300成分股作为样本，构建包含估值、成长、动量、质量等四大类共32个因子。通过滚动窗口训练方式，每季度重新训练模型并调整持仓。实证结果显示，该策略在回测期间年化收益率达到18.7%，夏普比率0.86，最大回撤-22.3%。与传统线性回归模型相比，随机森林模型在非线性关系捕捉和因子交互作用处理方面表现更优。特别在市场风格切换时期，模型展现出较强的适应性。
模型在样本外测试中仍保持稳定表现，但在极端市场环境下会出现短期失效。后续研究将重点优化特征选择方法和引入动态权重调整机制。
页:
[1]