机器学习是一门最新发展起来的计算机技术,越来越多的学者开始探索如何将这门技术与股票市场的投资结合起来,以期求得高收益率。AdaBoost算法是机器学习的一种方法,该算法首先构建判断正确率略高于随机猜测的弱分类器,然后通过对数据样本反复学习,最终将弱分类器训练为判断错误率极低的强分类器。本文的目的在于通过结合机器学习算法(AdaBoost算法)和多因子量化选股方法构建基于AdaBoost算法的多因子选股模型,以实现高于基准收益的超额收益。为了构建该选股模型,必须首先筛选出构建该模型所必须的因子。本文选取了优矿量化因子库中的244个因子作为备选因子,并对因子进行了有效性的筛选和独立性检验,最终筛选出10个因子作为构建模型的“独立有效因子组合”。该模型以这10个因子为弱分类器,对股票的收益率进行反复学习,并根据股票收率的情况对股票进行标识,其中,股票收益率排名前30%的分类标识为1,股票收益率排名后30%的分类标识为-1。AdaBoost算法先给所有股票赋以相同的权重,随后根据弱分类器的分类情况更新组合中股票的权重,分类正确则降低权重,分类错误随之增加权重。弱分类器通过AdaBoost机器学习算法进行反复训练,最后将训练好的弱分类器组合在一起,构成一个分类正确率很高的强分类器。本文基于AdaBoost算法构建的多因子选股模型在回测过程中表现优异,年化收益率为25.5%,比以沪深300股为基准的基准收益率高22.4%。