XGBoost 技术文档
XGBoost（eXtreme Gradient Boosting）是一种高效、可扩展的梯度提升决策树框架，在金融量化领域拥有极广泛的应用。
模型简介
XGBoost 由 Tianqi Chen 和 Carlos Guestrin 于 2016 年提出，基于 GBDT（梯度提升决策树）进行系统工程优化，支持并行计算、分布式训练与 GPU 加速。核心算法引入二阶泰勒展开估算损失函数，通过正则化项（L1/L2）控制模型复杂度，在含噪金融数据上表现出色。
原始论文：XGBoost: A Scalable Tree Boosting System — Chen & Guestrin, KDD 2016
在 A 股量化策略中的应用
1. 股票涨跌预测（二分类）
以技术指标、财务因子、市场微结构特征为输入，使用 objective='binary:logistic'，输出个股上涨概率分数，作为多空排名信号。
2. 收益率预测（回归）
直接预测未来 N 日收益率，使用 objective='reg:squarederror'，结合 feature_importances_ 筛选有效 Alpha 因子。
3. 股票排序选股（Learning to Rank）
使用 objective='rank:ndcg' 对候选股票按预期收益排序，每期选取 Top-K 股构建组合。方法源自 LambdaMART，直接优化 NDCG 排序指标。
官方排序教程：XGBoost Learning to Rank
核心参数（金融应用推荐）
| 参数 | 说明 | 推荐值 |
|---|---|---|
n_estimators | 弱学习器数量 | 200–500 |
max_depth | 树最大深度 | 3–6 |
learning_rate | 步长 | 0.01–0.1 |
subsample | 行采样比例 | 0.7–0.9 |
colsample_bytree | 列采样比例 | 0.6–0.8 |
reg_alpha | L1 正则（因子稀疏化） | 0–1 |
reg_lambda | L2 正则（权重衰减） | 1–10 |
tree_method | 训练算法 | "hist" |
性能特点
优势：
- 内置正则化，抗过拟合能力强，适合金融噪声数据
- 原生支持缺失值处理，财报缺失字段无需手工填补
early_stopping_rounds自动截止，防止过拟合- 支持分布式训练（Dask、Spark、PySpark）与 GPU 加速
劣势：
- 超参数较多，需系统调参（建议结合 Optuna）
- 深层树易过拟合短期金融序列，需严格控制
max_depth