小样本机器学习技术实现指数择时 华西证券量化研究报告
本报告探索机器学习在指数择时中的应用,通过生成对抗网络(GAN)对小样本数据进行增强,解决数据量少导致的欠拟合问题。逻辑回归模型结合GAN数据扩充后,择时策略表现显著提升,为量化投资提供新思路。
本报告探索机器学习在指数择时中的应用,通过生成对抗网络(GAN)对小样本数据进行增强,解决数据量少导致的欠拟合问题。逻辑回归模型结合GAN数据扩充后,择时策略表现显著提升,为量化投资提供新思路。
本报告探索机器学习在指数择时中的应用,通过生成对抗网络(GAN)对小样本数据进行增强,解决数据量少导致的欠拟合问题。逻辑回归模型结合GAN数据扩充后,择时策略表现显著提升,为量化投资提供新思路。
本报告探索机器学习在指数择时中的应用,通过生成对抗网络(GAN)对小样本数据进行增强,解决数据量少导致的欠拟合问题。逻辑回归模型结合GAN数据扩充后,择时策略表现显著提升,为量化投资提供新思路。
本报告由华西证券发布,发布于 2022 年。
覆盖 2022 年,全文约 19。
本报告为付费报告,可在资料宝站内下单后获取完整内容。
适合机构投资者、量化研究员、金融从业者等读者参考。
重点分析了金融投资、金融投资研究等议题。