行业研究报告

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

2022-06金融投资19华西证券

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。

报告摘要

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。

核心要点

  1. 小样本学习基本理论
  2. 生成对抗网络与线性回归(FSL-LR)模型

报告信息

文件全名
机器学习择时系列之二:小样本机器学习技术实现指数择时-华西证券
适合读者
机构投资者量化研究员金融从业者
数据来源
多方数据交叉验证
核心议题
金融投资金融投资研究

常见问题

《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》主要包含哪些内容?

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。

这份报告由哪家机构发布?

本报告由华西证券发布,发布于 2022 年。

这份报告覆盖哪一年、篇幅多大?

覆盖 2022 年,全文约 19。

这份报告是免费的吗?如何获取?

本报告为付费报告,可在资料宝站内下单后获取完整内容。

这份报告适合哪些读者?

适合机构投资者、量化研究员、金融从业者等读者参考。

报告涉及哪些关键议题?

重点分析了金融投资、金融投资研究等议题。

继续阅读

同分类报告

查看全部
📱 登录