《表3 因子压缩后部分候选因子库表》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于因子情境的机器学习多因子选股模型》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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.