基于集成树模型的Stacking量化选股策略研究

作者：罗泽南

摘要：考虑到股票数据存在着纷繁复杂的关系,本文利用Stacking方法将随机森林(Random Forest)、梯度提升树(GBDT)、XGBoost和神经网络(BP)多种机器学习模型进行融合,建立RGXB-Stacking模型,尽可能多地提取股票因子中的有效信息;同时使用沪深300指数成分股数据为例进行多因子选股实验,研究显示,RGXB-Stacking模型在2019年1月1日至2020年7月31日的回测效果明显优于其他模型。

发文机构：上海工程技术大学

关键词：Stacking机器学习量化投资多因子选股

分类号：