数学与统计能力 / 机器学习理论
2.6.2 · 树模型与核方法
该模块已接入真实课节内容。beta 阶段优先展示中文版本，内容团队会继续校对和补充练习。
阶段
核心
课节
4 节
预计时长
280 分钟
未来正式边界
1 节未来免费
课节
beta 阶段所有课节默认可读；免费/付费标签仅标记正式发布后的权限边界。
Q2.6.2.1决策树:CART、不纯度准则与剪枝周一早盘九点二十,你接手了离职同事留下的 alpha 模型——一棵深度 15 的 CART(Classification and Regression Tree, CART)树,在三年 沪深300 成分股日度面板上训练,特征是动量、价值、质量、低波、5 日收益、20 日波动率、换手率等 12 个变量,目标是预测下一日超额收益方向(涨/跌)。样本内训练精度 1...未来免费校验中Q2.6.2.2Bagging 与随机森林周五午盘，一家 50 亿规模的 CN 私募把一份沪深300 alpha 数据甩到你工位:30 个特征、日频次日超额收益作标签。上一课那棵深度 15 的 CART 树样本内方向准确率 100%、样本外只有 51%——比抛硬币好不了多少，Sharpe 几乎为零。你把它换成 500 棵在 bootstrap 样本上独立训练的深树取平均，样本外跳到 57%。这一跳，...未来付费校验中Q2.6.2.3梯度提升与 XGBoost / LightGBM上海某私募的因子研究员把上一节的 500 棵随机森林训完,沪深300 + 中证500 上的样本外准确率 57%——比单棵深树的 51% 上了 6 个点。她把 max features 从 sqrt(p) 调到 p/3、把树数加到 2000,准确率纹丝不动停在 57.2%——bagging 的方差红利已经吃干净了。PM 在因子复盘会上一句话:「方差降到底了,把...未来付费校验中Q2.6.2.4核方法与支持向量机周一开盘前一小时,你坐在上海一家中型私募基金(private fund)的研究室。投研经理把一张 CSV 推到桌上:沪深300 成分股 300 只,每只配 15 维因子向量(PE、PB、12 个月动量、20 日波动率、换手率、分析师上调比例),本质上是一张轻量级因子模型(factor model)输入表;标签 公式 表示下月相对指数 outperform /...未来付费校验中