德邦金工文献精译第一期：机器学习因子，在线性因子模型中捕获非线性

这篇金融工程中期报告主要探讨了证券收益与风格因子之间的非线性关系，并通过机器学习算法进行建模和近似。报告指出，机器学习模型可以用于挖掘非线性关系，通过训练多个模型并计算其预测的平均值，可以尽可能消除噪音、提取信号。此外，报告还分析了机器学习因子与其他风格因子的线性相关性，并通过回测机器学习因子和风格因子的历史表现，证明了因子的强选股能力。报告统计了所有风格因子与机器学习因子的表现，并推断机器学习因子的强大选股能力来源于很多风格因子的非线性选股效应的累积。