在投资领域智能化浪潮渐起的当下，机器学习在投资中的应用逻辑与实践路径备受关注。在近日召开的银河基金中期策略会上，量化投资老将、银河基金基金经理罗博通俗解读了机器学习在股票投资中的应用逻辑，并围绕因子体系构建及择时、资产配置方面的应用展开了详细说明。

说到机器学习，在构建机器学习因子体系时，因为因子的数量成百上千，如何从近千个因子中筛选有效指标是部分投资者关注的重点。对此，罗博表示，首先，我们遵照长期收益的逻辑，把市场上主流的近1000个因子进行回测，选取过去五、七年对业绩贡献最高的20个因子，其次，通过研究主动选股的逻辑，选出基于行业进行研究的基金经理们选股常用的20个指标，作为基本的因子组合。在此基础上构建因子库。

基于这些因子的选取，罗博首先开发了1.0版复杂神经网络，注重长期规则的发现能力；随后对其进行2.0版升级，升级后的版本在模式稳定性上有所提高，并增强了对新信息的适应能力。

关于机器学习在择时和资产配置的运用，罗博认为，这主要是集中在高频择时和中期配置。具体而言，基于深度强化学习，在中期配置中的应用，利用强化学习的方法对大类资产进行中期配置。而强化学习，是通过对训练数据进行学习，以期获得从状态到行动的映射。由于股票市场状态的千变万化，这个采用策略梯度的方法。

风险提示：投资有风险，投资需谨慎。

本文源自：金融界