行业研究报告

德邦证券金融工程专题:用机器学习捕捉因子非线性效应,构建alpha因子(2021)

2021-10金融投资20德邦证券

报告研究因子与收益间的非线性关系,用机器学习模型捕捉线性模型的残差信号。通过集成模型降低噪音,构建机器学习残差因子,分组回测显示显著alpha收益。提供部分依赖曲线和因子统计,为量化投资提供增量因子。

报告摘要

报告研究因子与收益间的非线性关系,用机器学习模型捕捉线性模型的残差信号。通过集成模型降低噪音,构建机器学习残差因子,分组回测显示显著alpha收益。提供部分依赖曲线和因子统计,为量化投资提供增量因子。

核心要点

  1. 非线性关系与机器学习
  2. 模型训练与数据处理
  3. 集成模型与部分依赖曲线
  4. 因子交互与剥离
  5. 分组回测与因子表现

报告信息

文件全名
德邦金工机器学习专题之一:利用机器学习捕捉因子的非线性效应-德邦证券
适合读者
金融从业者量化研究员投资经理
数据来源
多方数据交叉验证
核心议题
金融投资alpha构建因子

常见问题

《德邦证券金融工程专题:用机器学习捕捉因子非线性效应,构建alpha因子(2021)》主要包含哪些内容?

报告研究因子与收益间的非线性关系,用机器学习模型捕捉线性模型的残差信号。通过集成模型降低噪音,构建机器学习残差因子,分组回测显示显著alpha收益。提供部分依赖曲线和因子统计,为量化投资提供增量因子。

这份报告由哪家机构发布?

本报告由德邦证券发布,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 20。

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?

适合金融从业者、量化研究员、投资经理等读者参考。

报告涉及哪些关键议题?

重点分析了金融投资、alpha、构建、因子等议题。

继续阅读

同分类报告

查看全部
📱 登录