机器学习预测债券流动性：XGBoost模型在债券流动性评分中的应用

2021-11金融投资24📊 东方证券¥1

📄 文件全名: 《宏观固收量化研究系列之（五）：基于机器学习模型的债券流动性预测-东方证券》
🎯 适合读者: 债券投资者量化分析师金融工程研究员
📊 核心数据: XGBoost模型
0-5档流动性评分
2021年11月23日
🏷️ 核心议题: #金融投资#XGBoost#债券流动性#机器学习

📦 本报告属于月份合集

购买后将获得「2021 年 11 月报告合集」 · 共 2453 份报告打包下载链接

支付即将开放

报告摘要

本报告基于XGBoost模型，预测债券未来成交量，构建0-5档流动性评分。数据显示，过去成交量、存续时间、发行量等特征预测能力较强，模型优于传统打分卡与线性模型。为债券投资者提供量化流动性风险评估工具。

📋 核心要点(部分)

研究结论
基于机器学习模型的债券流动性预测方法
模型对比与选择
流动性评分构建

同分类推荐

机器学习预测债券流动性：XGBoost模型在债券流动性评分中的应用 | 资料宝