【华泰金工林晓明团队】人工智能选股之随机森林模型——华泰人工智能系列之五

摘要随机森林模型是以Bagging并行方法集成决策树而得到的强分类器       随机森林（Random Forest）是近年来备受青睐的机器学习方法之一。随机森林是以Bagging并行方法集成一系列决策树而训练出的强分类器，可以较好地应用于分类和回归的不同场景下。本篇报告我们将对随机森林模型进行系统性的测试，并分析它们应用于多因子选股的异同，希望对本领域的投资者产生有实用意义的参考价值。随机森林模型的构建：7阶段样本内训练与交叉验证、样本外测试        随机森林的构建包括特征和标签提取、特征预处理、样本内训练、交叉验证和样本外测试等步骤。最终在每个月底可以产生对全部个股下期上涨概率的预测值，然后根据正确率、AUC等指标以及策略回测 ………………………………