这篇研报主要介绍了N-LASR(非线性自适应风格轮动)模型在股票选择中的应用。该模型基于自适应提升技术，使用114个特征预测MSCI世界指数中约1,200只高流动性股票的收益。研报采用四种训练模型(长期、短期、季节性和对冲)进行信号融合，并与随机森林等其他机器学习方法进行比较。结果显示，尽管模型在过去5年表现略有下降，但仍保持较高的夏普比率(超过1.0)，且对滑点敏感度较低，周单向换手率适中(约20%)。研报还验证了模型在考虑执行延迟、交易成本和资产数量限制等实际因素后的稳健性，证明机器学习方法在量化投资中具有持续价值。

欢迎对量化感兴趣的朋友加微信索取原文或者交流：ctaxiaobai