最近毕设的课题选择是xgboost多因子选股，看了很多的文献
首先第一个：《TS-Boost因子选股框架初探——机器学习实战系列之一》长江证券
这篇研报的特点,是提出了一个新的模型，TS-Boost模型的特点是在于解决样本非同分布的问题（文中是这么说的），什么叫样本非同分布呢，众所周知，在多因子选股里面有两个非常著名的名词，一个叫面板回归，一个叫截面回归，顾名思义，就是一个输入的是全部股票的多个因子，输入可以理解为，每一行都是一个股票的多因子，然后无次序的把所有股票都扔进去。然后输入还是一长段时间，输出为一段时间后的收益率等等。而截面回归的话，则是输入全部股票的单个因子，输出收益率等等。
这里就存在问题，众知，“样本同分布”和“信噪比高”是决定机器学习适用性的重要条件
为了解决机器学习选股中的“样本非同分布”以及“信噪比低”的问题，他们设计了TS-Boost模型（时间集成学习模型）
具体链接在这里：/a/207996126_498792
代码实现暂时还没有找到，后面再好好找找，找不到就自己写了
另外一个看的很多的，xgboost因子择时，《广发证券-机器学习多因子动态调仓策略》
这里附了一张图，然后在优矿里面有代码的实现
https://uqer.io/v3/community/share/5b42d361f94728012fe93b95
