XIao Han

XGBoost模型利用行为信号解读股市可预测性

研究人员开发了一个可解释的机器学习流程，用于分析大规模金融市场中的股票回报可预测性，特别关注中国A股市场。该模型使用带有TreeSHAP归因的XGBoost模型，对2009年至2019年间3632只股票的数据进行分析，取得了0.547的平均AUC和+2.38%的显著月度多空价差。解释性分析显示，行为信号（如换手率和动量）占预测归因的大部分（58.2%），显著超过了估值比率（10.7%）。