《表3 因子压缩后部分候选因子库表》
可以发现,通过R型聚类法,可以显著压缩因子数量,压缩后整体显著性更高.但因子显著性并不随着压缩阈值单调递增,很大程度上是因为更低的压缩阈值保留了大类独立性时也删除了较多有效因子.同时,因子样本外的效果相比于样本内(表1)整体效果下降较多,较大程度上是因为2018年市场流动性极差,大量因子出现了阶段性失效的情况.后续机器学习选股增强时,相关系数阈值取为M=0.3,通过这种方法筛选出的因子见表3.
图表编号 | XD00122086800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.01 |
作者 | 乐斌、蔡志杰、胡伟超 |
绘制单位 | 深圳点宽网络科技有限公司、复旦大学数学科学学院、上海市现代应用数学重点实验室、非线性数学模型与方法教育部重点实验室、深圳点宽网络科技有限公司 |
更多格式 | 高清、无水印(增值服务) |