环境因子研究探索：利用聚类与CNN研判市场状态构建量化择时策略
浙商证券发布环境因子研究，通过聚类和卷积神经网络(CNN)对沪深300标的池进行市场状态分类与研判。2018-2021年实证显示，基于状态切换的择时策略年化收益达13.59%，远超不择时的4.06%。该方法为量化投资提供增量信息，可与AI投研系统结合。
报告摘要
浙商证券发布环境因子研究，通过聚类和卷积神经网络(CNN)对沪深300标的池进行市场状态分类与研判。2018-2021年实证显示，基于状态切换的择时策略年化收益达13.59%，远超不择时的4.06%。该方法为量化投资提供增量信息，可与AI投研系统结合。
核心要点
- 市场环境模式学习分类
- 通过聚类方法寻找分类数
- 运用CNN存储分类关系
- 标的池趋势反转多对应状态切换
- 环境因子阶段性超额收益测试
报告信息
- 文件全名
- 《环境因子研究探索：标的池环境状态研判与交易行为选择-浙商证券》
- 适合读者
- 核心数据
- 13.59%
- 4.06%
- 2018-2021
- 核心议题
常见问题
《环境因子研究探索：利用聚类与CNN研判市场状态构建量化择时策略》主要包含哪些内容?
浙商证券发布环境因子研究，通过聚类和卷积神经网络(CNN)对沪深300标的池进行市场状态分类与研判。2018-2021年实证显示，基于状态切换的择时策略年化收益达13.59%，远超不择时的4.06%。该方法为量化投资提供增量信息，可与AI投研系统结合。核心数据:13.59%;4.06%;2018-2021。
这份报告由哪家机构发布?
本报告由浙商证券发布,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 16。
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?
适合量化研究员、投资经理、金融分析师等读者参考。
报告涉及哪些关键议题?
重点分析了金融投资、环境因子、利用聚类、CNN等议题。
继续阅读
查看全部 →