本报告主要探讨了基于财务与风格因子的机器学习选股方法。研究发现，综合使用风格与财务因子可以大幅提高机器学习模型的选股能力。研究者首先用关于风格因子的线性回归计算股票的特质收益率，然后用机器学习模型拟合特质收益率关于风格、财务因子的函数。研究者从资产负债表、利润表中选取少数几个财务因子作为输入，包括季度营业成本、总成本、研发投入、营业利润的同比增速以及ROE。研究者基于神经网络、随机森林、提升树三种机器学习模型构建总集成模型，并构造机器学习残差因子和机器学习反转因子。最后，研究者根据机器学习残差因子和机器学习反转因子等权的方法构造复合因子，并发现复合因子表现出更稳健的超额收益和较低的换手率。
