@Ethan1234 有道理，这个是用线性回归做的，之后再尝试不同模型，感谢建议

@wywy1995 另外，小市值策略如果是有效的话，为什么不直接做到模型里呢，小市值+eps>0变成了一个强制的限制条件，也可能会出现train-serve skew的现象

感谢分享

@Ethan1234 因为小市值这个东西，在我看来是开卷考试的答案，换句话说，其它因子可以变，这个是不会变的。eps大于0是最简单的预防将要st的方法，也是不变的。当然，还有一个原因，就是这么写会让策略的收益很好看。

将这个策略的选股截断比例从0.1改到0.05，收益一下子就不行了。 本质上收益的alpha还是来自小市值本身，而非模型预估的结果

@Ethan1234 你说了我就不说了．

@Ethan1234 通过你的回测并不能说明模型完全没有预测能力，这里我想说明几点 1.选择的时间太短，我之前回复别人的时候说过结果是基于2018-2022预测集，所以你只选择一年不排除运气成分。 2.选择的截面不对，当你选择0.05的时候，无意中改变了其它变量——小盘因子的风险暴露，因为小盘股的股票总量发生了改变，同样选择10只对于减半(之前系数是0.1现在是0.05)的股票池，暴露系数降低，而小盘风险暴露带来的超额收益也可能降低。换句话说你没有做到完全控制变量。 3.模型的预测能力有限，并不是完美的线性，但是你为什么不把十分位的测试结果都展示出来呢？我下面展示了十分位的测试结果，可以看出最大分位（0.1）的结果是最优的，整体随着分位越来越靠后（0.9）收益下降明显。 4.这篇文章的目的不是说我用了多么高级的机器学习方法，相反我用的只是最基础的线性回归，但重点是，它可以快速大批量的与小盘策略结合，且做到持仓差异化，开发效率大幅提升，这才是本文的价值所在。 5.如果您有更好的模型，欢迎把做出来的结果与大家分享，谢谢您的建议，不过以后还是希望您提建议之前做好详细严谨的测试，如果真的是我有问题一定虚心接受。  

@Gyro 他这个测试太片面了，看我评论里有解释，觉得有问题就说，没关系

@wywy1995 ２０２０年的时候，因为疫情闲极无聊，学了西交元老师的人工智能，竟然还做出来了，１０年１０万倍，样本内．然后，我觉得太邪门了，把这事放下了．我争取把代码调出来，大家若不嫌弃，我就公开了．AI，称得上惊天地泣鬼神，至于能不能实用，我觉得可以先放一放

@Gyro 怎么会嫌弃呢，欢迎放出来让大家学习，每个人都应该自己做出判断

@Gyro AI对我来说不光是做高收益，更重要的是开发效率的提升

@wywy1995 样本内１０年１０万倍，样本外，不过尔尔。AI，天地惊，鬼神泣

@Gyro 那你这个AI有点厉害。。我用线性回归做不到那种拟合程度，反倒是好事

@wywy1995 我用的是SVR。基本原理都是回归。细节不同，你的具体的一个策略，只有3到5个固定因子，因子系数是固定的，加权是线性的。SVR承载三十个因子没问题，非线性加权，系数不固定。经过这几年，我的投资水准应该是进步了，再看看有无可能把它用起来

@Gyro 好，非常期待，祝你这次能做出具有泛化性的成果！

@wywy1995 小市值我是不敢实盘的，当前实盘运行的是一个沪深300的机器学习模型，本质上预测每个月沪深300成份股的收益排序，目前跑的还可以，后面看下是否公开出来

@Ethan1234 选择什么风格都是有道理的，只是我在小盘上研究的比较多。其实我也一直想学习其它风格的投资方法。

能问下，算法是深度学习，还是lgb

感谢老师无私分享！！！