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

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。

《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》主要包含哪些内容?

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。核心数据:31.24%;1.41;16.21%。

这份报告由哪家机构发布?

本报告由中信期货发布,发布于 2021 年。

这份报告覆盖哪一年、篇幅多大?

覆盖 2021 年,全文约 15。

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?

适合专业投资者、量化分析师、行业研究员等读者参考。

报告涉及哪些关键议题?

重点分析了金融投资、XGBoost、轮动策略、SVM等议题。