xiaoy597的专栏

[数据挖掘导论(完整版).Introduction.To.Data.Mining].(美)Pang-Ning Tan.范明译.人民邮电.2011

报告对各种Boosting 集成学习模型进行系统测试 Boosting 集成学习模型将多个弱学习器串行结合，能够很好地兼顾模型的 偏差和方差，该类模型在最近几年获得了长足的发展，主要包括AdaBoost、 GBDT、XGBoost。本篇报告我们将对这三种Boosting 集成学习模型进行 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。

在某个时点上的股票的横截面市值基本上都可以被公司的财务指标和市场 因素所解释，也就是说市值解释模型依据了市场上股票的情况，给出了每个 公司当期投资者认为的内生市场价值，而解释模型的残差部分，也就是当前 市值和内生市值的差，代表了不可解释的部分。残差值越大，代表公司当前 的市值向上偏离内生市值越多，那么公司的市值越倾向于回复到其内生市 值，也就是说公司股价下跌的可能性越大，反之亦然，特异市值（残差值） 是一个相对估值指标，因子值较小的股票在未来表现更好。

In which we try to explain why we consider artificial intelligence to be a subject most worthy of study, and in which we try to decide what exactly it is, this being a good thing to decide before embarking.