利用机器学习技术建立多因子股票选择模型（含源代码及文档说明）

简介：
本项目运用先进的机器学习方法构建了一个高效的多因子股票筛选模型，并提供了详尽的源代码和操作指南。适合对量化投资感兴趣的读者研究与实践。 成果最优的随机森林模型：累计收益约为60%，通过择时策略的风险控制后，最大回撤率被限制在9%左右，夏普率为0.9左右。单因子测试涉及创建一个用于待测因子列表定义及多次运行测试的文件，并保留回测报告中的字段以CSV格式保存。同时进行结果可视化以便筛选出最优因子并做共线性分析获取最终所需因子。 对于机器学习模型的应用，在特征和标签构建上使用等权重线性模型，建立基线模型尝试多种算法（如SVR、LSTM、XGBoost、随机森林及AdaBoost），确定交易逻辑，并记录回测结果进行深入分析。该项目源码为个人毕业设计成果，所有代码均已成功运行并通过测试验证。 此项目适合计算机相关专业背景的学生或研究人员使用（例如计算机科学与技术、人工智能、通信工程等）。