最近毕设的课题选择是xgboost多因子选股，看了很多的文献
首先第一个：《TS-Boost因子选股框架初探——机器学习实战系列之一 》长江证券
这篇研报的特点,是提出了一个新的模型，TS-Boost模型的特点是在于解决样本非同分布的问题（文中是这么说的），什么叫样本非同分布呢，众所周知，在多因子选股里面有两个非常著名的名词，一个叫面板回归，一个叫截面回归，顾名思义，就是一个输入的是全部股票的多个因子，输入可以理解为，每一行都是一个股票的多因子，然后无次序的把所有股票都扔进去。然后输入还是一长段时间，输出为一段时间后的收益率等等。而截面回归的话，则是输入全部股票的单个因子，输出收益率等等。
这里就存在问题，众知，“样本同分布”和“信噪比高”是决定机器学习适用性的重要条件
为了解决机器学习选股中的“样本非同分布”以及“信噪比低”的问题，他们设计了TS-Boost模型（时间集成学习模型）
具体链接在这里：http://www.sohu.com/a/207996126_498792
代码实现暂时还没有找到，后面再好好找找，找不到就自己写了
另外一个看的很多的，xgboost因子择时，《广发证券-机器学习多因子动态调仓策略》
这里附了一张图，然后在优矿里面有代码的实现
https://uqer.io/v3/community/share/5b42d361f94728012fe93b95
标签：样本,TS,学习,选股,多因子,Boost 来源： https://blog.csdn.net/m0_37876745/article/details/90138155
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。