瑞银全球量化策略:机器学习驱动的防御性成长投资分析
瑞银利用XGBoost机器学习模型预测未来盈利增长,结合确定性筛选构建防御性增长策略。全球长短期组合11年夏普比率达0.81,表现优异。报告展示最受欢迎与不受欢迎的20只股票,为投资者提供量化选股参考。
瑞银利用XGBoost机器学习模型预测未来盈利增长,结合确定性筛选构建防御性增长策略。全球长短期组合11年夏普比率达0.81,表现优异。报告展示最受欢迎与不受欢迎的20只股票,为投资者提供量化选股参考。
瑞银利用XGBoost机器学习模型预测未来盈利增长,结合确定性筛选构建防御性增长策略。全球长短期组合11年夏普比率达0.81,表现优异。报告展示最受欢迎与不受欢迎的20只股票,为投资者提供量化选股参考。
瑞银利用XGBoost机器学习模型预测未来盈利增长,结合确定性筛选构建防御性增长策略。全球长短期组合11年夏普比率达0.81,表现优异。报告展示最受欢迎与不受欢迎的20只股票,为投资者提供量化选股参考。核心数据:0.81。
本报告由瑞银发布,发布于 2021 年。
覆盖 2021 年,全文约 26。
本报告为付费报告,可在资料宝站内下单后获取完整内容。
适合投资者、量化分析师、金融从业者等读者参考。
重点分析了金融投资、量化策略、瑞银等议题。