我來分享一個semi土炮的玩具，量化多因子。
󠀠
之前聽Ernest Chen(量化投資書作者)的談話，提到ML對於金融資訊的處理，簡易回歸太簡易，深度學習太深度，所以中間的樹是好東西。
拋開深度部分(想起我以前寫到一半的Transformer/CNN based)，樹的優點，上次我們飯局Frank也提過。
󠀠
Alright let's have some fun then.
󠀠
GBDT台股，價量時序指標(技術分析)跑截面因子(我還特別跟Jin討論)，訓練6年/驗證2年/測試7年，等權持倉50支，每日換5支。
󠀠
都用費後超額看(複利計算)，年化18%，MDD27%，IR 1.04. (圖表是用單利加總再扣benchmark)
󠀠
還有非常多地方要調整的，例如費率、交易限制、模型選擇、組合優化(尤其和model本身圖形相比差多了，透過更準確的mapping或許可以緩解)、時序分析(目前autocorrelation 0.5附近)、因子庫來源、演算法、集成、超參數……不過至少雛形有了。
󠀠
我手機打字就不詳述了。
Just for fun, 若這個玩具最後可以落地更好。
󠀠
󠀠
#狂徒投資
#狂玩投資
#機器學習
#因子投資
#量化投資