Beta猎手系列之九：人工智能全球大类资产配置模型-240613-国金证券
目前，机器学习模型在资产配置等其他领域的定价研究相对偏少，传统的资产配置方法也需要新的思路来构建策略。 本次研究中，我们将机器学习模型应用到大类资产配置问题上，基于因子投资的思路使用模型给出各资产的打分排序， 并最终构建可投资的大类资产月频量化配置策略。
报告摘要
目前，机器学习模型在资产配置等其他领域的定价研究相对偏少，传统的资产配置方法也需要新的思路来构建策略。 本次研究中，我们将机器学习模型应用到大类资产配置问题上，基于因子投资的思路使用模型给出各资产的打分排序， 并最终构建可投资的大类资产月频量化配置策略。
核心要点
- 一、怎样使用机器学习选择大类资产？
- 1.1 为何使用因子投资的方法？
- 1.2 从数据到模型，如何匹配因子框架？
- 三、如何优化模型在大类资产配置上的应用表现？
报告信息
- 文件全名
- 《Beta猎手系列之九：人工智能全球大类资产配置模型-240613-国金证券-19页.pdf》
- 适合读者
- 核心数据
- 因子 IC 均值达到 9.00%，多头年化收益 13.34%，多头 Sharpe 比率 1.105，多头最大回撤 8.53%；
- 多空年化收益率 15.20%，
- 时序上看，因子多空组合净值稳定增长，仅部分月份回撤较大。
- 策略的年化收益率为 16.91%，夏普比率为 0.99，而同时间段等权配置策略的
- 策略的年化超额收益率为 14.74%，信息比率为 1.34，超额最大回撤仅为 5.97%。
- 核心议题
常见问题
《Beta猎手系列之九：人工智能全球大类资产配置模型-240613-国金证券》主要包含哪些内容?
目前，机器学习模型在资产配置等其他领域的定价研究相对偏少，传统的资产配置方法也需要新的思路来构建策略。 本次研究中，我们将机器学习模型应用到大类资产配置问题上，基于因子投资的思路使用模型给出各资产的打分排序， 并最终构建可投资的大类资产月频量化配置策略。核心数据:因子 IC 均值达到 9.00%，多头年化收益 13.34%，多头 Sharpe 比率 1.105，多头最大回撤 8.53%；;多空年化收益率 15.20%，;时序上看，因子多空组合净值稳定增长，仅部分月份回撤较大。。
这份报告由哪家机构发布?
本报告由应指数或期货发布,发布于 2024 年。
这份报告覆盖哪一年、篇幅多大?
覆盖 2024 年,全文共 19 页。
这份报告是免费的吗?如何获取?
本报告免费查阅,登录资料宝后即可在线获取完整内容。
这份报告适合哪些读者?
适合投资人、行业研究员等读者参考。
报告涉及哪些关键议题?
重点分析了资产配置等议题。
继续阅读
查看全部 →