【兴业金工于明明徐寅团队】工具型产品研究系列之三：华商电子行业量化：量化增强，布局5G(15)_：【兴业金工于明明徐寅团队】工具型产

Adaboost（Adaptive Boost的缩写）算法由Yoav Freund和Robert Schapire在1995年提出。算法的基本思想是它自适应的构建一系列弱分类器，每一层弱分类器只关注上层弱分类器分类错误的样本，并对这些样本尽最大可能的区分，最终将这些弱分类器结合起来提升整体分类的效果。

使用Adaboost算法进行多因子选股时，因子数据作为模型的输入、股票的收益作为输出，根据历史的因子数据和股票收益作为训练样本，即可构建当前的因子值和下期股票收益之间的推断函数，将选股模型化归为一个二元分类问题。具体而言，根据下期股票收益的大小，可以将股票池划分为两类：强势股和弱势股。强势股是下期股票收益居前的股票，而弱势股即是收益落后的股票，分类器就是要区分某只股票属于强势股还是弱势股。分类器的输入是当期因子值，而输出是每只股票的信心分数，它用于衡量该股票属于强势股的程度。一般来说，该分数大于0表示其更可能属于强势股，且值越大入选的可能性越高；而小于0则意味着其倾向于被划分为弱势股。模型的实现流程参见下图。