本报告由中信建投发布，深入剖析机器学习在金融工程中的应用，重点验证因子有效性。核心发现：AdaBoost模型年化波动率稳定在5%左右，朴素贝叶斯年化收益最高达15.75%；全市场训练显著优于市值中性或行业中性；机器学习因子单调性显著，前二组年化收益超25%，最后一组不足10%。报告还展示了人工智能模型的自适应调整能力，以Logistic回归为例的多空策略年化收益差达16.45%。适合量化研究员、金融工程师、投资经理、数据科学家及对AI选股感兴趣的投资者。
本报告由中信建投发布，深入剖析机器学习在金融工程中的应用，重点验证因子有效性。核心发现：AdaBoost模型年化波动率稳定在5%左右，朴素贝叶斯年化收益最高达15.75%；全市场训练显著优于市值中性或行业中性；机器学习因子单调性显著，前二组年化收益超25%，最后一组不足10%。报告还展示了人工智能模型的自适应调整能力，以Logistic回归为例的多空策略年化收益差达16.45%。适合量化研究员、金融工程师、投资经理、数据科学家及对AI选股感兴趣的投资者。
本报告由中信建投发布，深入剖析机器学习在金融工程中的应用，重点验证因子有效性。核心发现：AdaBoost模型年化波动率稳定在5%左右，朴素贝叶斯年化收益最高达15.75%；全市场训练显著优于市值中性或行业中性；机器学习因子单调性显著，前二组年化收益超25%，最后一组不足10%。报告还展示了人工智能模型的自适应调整能力，以Logistic回归为例的多空策略年化收益差达16.45%。适合量化研究员、金融工程师、投资经理、数据科学家及对AI选股感兴趣的投资者。核心数据:AdaBoost年化波动率5%;朴素贝叶斯年化收益15.75%;前二组年化收益超25%。
本报告由中信建投发布,发布于 2018 年。
覆盖 2018 年,全文约 22。
本报告免费查阅,登录资料宝后即可在线获取完整内容。
适合量化研究员、金融工程师、投资经理、数据科学家等读者参考。
重点分析了金融投资、之六等议题。