机器学习算法下的行业轮动策略:XGBoost与SVM提升量化多因子效果

2021-09金融投资15📊 中信期货¥1

报告维度

📄 文件全名
量价策略专题报告:行业轮动专题报告,基于量化多因子的行业配置策略之三,机器学习算法下的行业轮动-中信期货
🎯 适合读者
专业投资者量化分析师行业研究员
📊 核心数据
  1. 31.24%
  2. 1.41
  3. 16.21%
🏷️ 核心议题
#金融投资#XGBoost#轮动策略#SVM
📦 本报告属于月份合集
购买后将获得「2021 年 9 月报告合集 · 共 2737 份报告打包下载链接
支付即将开放

报告摘要

基于量化多因子的行业轮动策略引入机器学习回归算法,XGBoost和SVM显著提升收益。回测期内年化收益率达31.24%,夏普比率1.41,最大回撤降低。Weighted KNN效果不佳。适合专业投资者参考。

📋 核心要点(部分)

  1. 摘要
  2. 机器学习算法与行业轮动
  3. 引入XGBoost算法的行业轮动
  4. 引入SVM算法的行业轮动
  5. 引入Weighted KNN算法的行业轮动
  6. 策略总结

同分类推荐

📱 登录
机器学习算法下的行业轮动策略:XGBoost与SVM提升量化多因子效果 | 资料宝