摘要
本发明提供了一种ETF超额收益预测方法、系统、介质及设备，通过动态调整特征选择和集成模型权重，结合机器学习与深度学习技术，显著提高了ETF超额收益预测的准确性和稳定性。具体包括：收集ETF及其基准指数的历史数据；使用动态特征选择算法筛选最相关特征；构建多模型集成框架，结合随机森林、神经网络和长短期记忆网络(LSTM)等模型；利用集成模型预测ETF的预期收益，并与实际收益对比得出超额收益；基于超额收益对ETF进行排序和筛选。本发明通过动态特征选择算法，系统能够根据市场状况选择最相关的特征，从而提高模型对ETF超额收益的预测精度。
