今天分享的是：华泰证券-华泰人工智能系列之十六：再论时序交叉验证对抗过拟合
报告共计：23页
本报告主要对时序交叉验证进行改进研究，旨在解决其在机器学习模型调参中存在的问题，以提升模型性能并对抗过拟合。
1. 研究背景与改进思路
- 时序交叉验证的问题：在之前研究中发现K折交叉验证用于时间序列数据存在过拟合风险，时序交叉验证虽能降低过拟合，但原研究存在基线模型设置不合理（无法明确时序交叉验证优势来源）和训练集验证集切分不精细（违背时序交叉验证本意）的问题。
- 改进思路：一是设置更合理的基线模型，提出“训练集折半的K折交叉验证”和“乱序递进式交叉验证”，以探究时序交叉验证提升的真实原因；二是对scikit - learn库的model_selection包进行改造，实现分组时序交叉验证，确保验证集在时序上严格位于训练集之后。
2. 测试方法与流程
- 测试方法：以逻辑回归和XGBoost为基学习器，采用年度滚动训练方式，对六种交叉验证方法（K折、时序、训练集折半的K折、乱序递进式、分组时序、乱序分组递进式）进行测试。
- 测试流程：包括数据获取（全A股，特定时间区间等）、特征和标签提取（70个因子及个股超额收益）、特征预处理（去极值、处理缺失值等）、滚动训练集和验证集合成（按不同交叉验证方法划分）、样本内训练、交叉验证调参（网格搜索选最优超参数）、样本外测试（单因子测试）及模型评价（正确率、AUC等指标及单因子测试统计指标和回测绩效）。
3. 测试结果与结论
- 最优超参数：时序和分组时序交叉验证选出的模型更“简单”，过拟合风险更低，如逻辑回归正则化项系数更小，XGBoost最大树深度更浅等。
- 模型性能：样本内表现为时序和分组时序交叉验证较差，测试集表现则较好，分组时序略优于原始时序交叉验证，表明其能减轻过拟合且提升主要源于时序信息保留。
- 单因子测试：时序和分组时序交叉验证在多项指标表现较好，但RankIC波动大，分层回测中在TOP组合年化收益率等方面有优势，但多空组合收益波动大。
- 策略回测：构建行业市值中性全A选股策略回测结果较杂乱，时序和分组时序交叉验证虽单因子测试效果好，但策略组合未充分体现优势，未来需探索更合理策略组合构建方式。
以下为报告节选内容
