机器学习与大数据的期权收益可预测性研究：基于1200万观测数据的非线性模型分析

2023-10金融投资📊 Georgetown University, University of Münster, University of St. Gallen, University of Neuchâtel¥3

📦 本报告属于月份合集

购买后将获得「2023 年 10 月报告合集」 · 共 2473 份报告打包下载链接

支付即将开放

报告摘要

基于1996-2020年超过1200万观测数据，发现非线性机器学习模型显著提升期权收益预测的样本外表现，多空组合产生统计和经济上显著的利润，即使考虑交易成本。期权特征是最重要的单独预测因子，但股票特征提供增量预测能力。预测性由信息摩擦和期权错误定价驱动。

基于1996-2020年超过1200万观测数据，发现非线性机器学习模型显著提升期权收益预测的样本外表现，多空组合产生统计和经济上显著的利润，即使考虑交易成本。期权特征是最重要的单独预测因子，但股票特征提供增量预测能力。预测性由信息摩擦和期权错误定价驱动。核心数据:1200万;1996-2020。

本报告由Georgetown University, University of Münster, University of St. Gallen, University of Neuchâtel发布,发布于 2023 年。

覆盖 2023 年。

本报告为付费报告,可在资料宝站内下单后获取完整内容。

适合量化研究员、金融从业者、学者等读者参考。

重点分析了金融投资、期权收益可、万观测数据、非线性模型等议题。