基于集成樹模型的Stacking量化選股策略研究

作者：羅澤南

摘要：考慮到股票數據存在著紛繁復雜的關系,本文利用Stacking方法將隨機森林(Random Forest)、梯度提升樹(GBDT)、XGBoost和神經網絡(BP)多種機器學習模型進行融合,建立RGXB-Stacking模型,盡可能多地提取股票因子中的有效信息;同時使用滬深300指數成分股數據為例進行多因子選股實驗,研究顯示,RGXB-Stacking模型在2019年1月1日至2020年7月31日的回測效果明顯優于其他模型。

發文機構：上海工程技術大學

關鍵詞：Stacking機器學習量化投資多因子選股

分類號：