Stacking 集成學習在多因子選股中的應用

Stacking 集成學習模型簡介 Stacking 集成學習的原理 Stacking 是一種常見的集成學習框架。一般來說，Stacking 將訓練一個多層(一般是兩層， 本文中默認兩層)的模型結構，第一層(也叫學習層)包含 n 個不同的模型，將得到的預 測結果合併爲新的特徵集，並作爲下一層模型的輸入，由下一層模型再次根據對應的數據 標籤進行訓練，得到一個完整的框架。簡單的示意圖如下: 通常情況下

>>阅读原文<<