基于机器学习和多因子模型的主动型基金收益预测研究

林思凝; 朱一鸣; 潘奇

doi:10.19926/j.cnki.issn.1674-232X.2024.12.021

杭州师范大学学报（自然科学版） ›› 2026, Vol. 25 ›› Issue (5) : 476 -485. DOI: 10.19926/j.cnki.issn.1674-232X.2024.12.021

基于机器学习和多因子模型的主动型基金收益预测研究

林思凝, 朱一鸣, 潘奇

作者信息 +

Author information +

文章历史 +

摘要

为评估业绩排序法、线性多因子模型法和非线性轻量级梯度提升机(light gradient boosting machine, LightGBM)法在主动型基金业绩预测中的有效性，在接近真实市场环境下构建含多种风格因子的基金投资组合，并比较预测表现.结果显示，LightGBM法在3种方法中略占优势.LightGBM法在最高收益组合上表现最优，市场上涨周期累计净值增长最快，体现了非线性模型对复杂模式更强的捕捉能力.特征重要性与传统因子模型的预测性能结果表明，LightGBM法能更充分挖掘短周期行为因子等高信息含量因子的价值，并在因子缺失时保持更稳健的预测表现.研究表明，结合高信息含量因子与非线性模型有助于优化基金选择与资产配置.