机器学习残差因子选股表现归因分析 - 德邦证券金融工程专题
揭示机器学习残差因子如何捕捉非线性效应,实现与风格因子线性不相关的选股策略;全市场超额收益主要来源于特质选股能力,策略容量大,超百亿规模下仍有可观超额收益。
揭示机器学习残差因子如何捕捉非线性效应,实现与风格因子线性不相关的选股策略;全市场超额收益主要来源于特质选股能力,策略容量大,超百亿规模下仍有可观超额收益。
揭示机器学习残差因子如何捕捉非线性效应,实现与风格因子线性不相关的选股策略;全市场超额收益主要来源于特质选股能力,策略容量大,超百亿规模下仍有可观超额收益。
揭示机器学习残差因子如何捕捉非线性效应,实现与风格因子线性不相关的选股策略;全市场超额收益主要来源于特质选股能力,策略容量大,超百亿规模下仍有可观超额收益。
本报告由德邦证券发布,发布于 2021 年。
覆盖 2021 年,全文约 16。
本报告为付费报告,可在资料宝站内下单后获取完整内容。
适合基金经理、量化分析师、证券研究员等读者参考。
重点分析了金融投资、金融投资研究等议题。