【深度研究】Stacking 集成学习在多因子选股中的应用

今天我们来继续我们机器学习应用量化投资系列，本期，我们介绍一篇来自华泰证券金工的研究报告。将深入为你剖析Stacking 集成学习在量化投资中的应用！希望大家有所收获！ Stacking 集成学习模型简介Stacking 集成学习的原理Stacking 是一种常见的集成学习框架。一般来说，Stacking 将训练一个多层(一般是两层， 本文中默认两层)的模型结构，第一层(也叫学习层)包含 n 个不同的模型，将得到的预 测结果合并为新的特征集，并作为下一层模型的输入，由下一层模型再次根据对应的数据 标签进行训练，得到一个完整的框架。简单的示意图如下: 通常情况下，Stacking 中第一层的模型会使用拟合度高的模型，以追求对训练数据的充分 学习(如 XGBoost、神经网络、SVM ………………………………