# I am the Watcher. I am your guide through this vast new twtiverse.
#
# Usage:
# https://watcher.sour.is/api/plain/users View list of users and latest twt date.
# https://watcher.sour.is/api/plain/twt View all twts.
# https://watcher.sour.is/api/plain/mentions?uri=:uri View all mentions for uri.
# https://watcher.sour.is/api/plain/conv/:hash View all twts for a conversation subject.
#
# Options:
# uri Filter to show a specific users twts.
# offset Start index for quey.
# limit Count of items to return (going back in time).
#
# twt range = 1 1
# self = https://watcher.sour.is/conv/3nqhgaa
【041】机器学习驱动的基本面量化投资**
本文是 因子选择** 专题的第 _001_ 篇，也是因子动物园的第 _041_ 篇独立原创研究。
【 未经授权，禁止转载！**】欢迎私信公众号后台或动物园园长获取转载授权。
【30 秒速览】李斌, 邵新月和李玥阳（2019）第一次基于 A 股的大量异象，对机器学习和深度学习算法选择因子和预测股票收益的能力进行了深入的探究，并利用分析结果，反过来对因子的重要进行了考察。他们发现， 新的算法的确在某种程度上可以更好地挖掘因子与股票未来收益间的线性与非线性关系**。他们也指出， 交易摩擦类因子在 A 股最为重要**，但价值因子不重要，这一点似乎与已有研究不符。
目录：
01\\. 简介
02\\. 基本目标和方法
03\\. 方法比较的实证结果
04\\. 因子重要性检验
05\\. 一点评论
06\\. 结语
* * *
## 1\\. 简介
近年来，随着机器学习和深度学习的快速发展，机器学习在金融，包括因子研究领域，也得到了日益广泛的应用。例如，周国富和 Rapac ... ⌘ Read more*