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)
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。
本报告由德邦证券发布,发布于 2021 年。
覆盖 2021 年,全文约 20。
本报告为付费报告,可在资料宝站内下单后获取完整内容。
适合金融从业者、量化研究员、投资经理等读者参考。
重点分析了金融投资、alpha、构建、因子等议题。