机器学习与量化投资：避不开的那些事（1）｜安信证券金融工程主题报告

报告摘要

本报告由安信证券发布，深入探讨机器学习在量化投资中的应用，涵盖从高频到低频、从线性到非线性的策略演进。核心亮点包括：标准神经网络回归大盘择时策略、推进分析更符合实盘状态、回归优于简单分类、预测值与交易信号的关系。回测结果显示夏普比率3.55，年化收益80.36%。适合量化研究员、金融工程师、投资经理、机器学习从业者及对AI投资感兴趣的高净值投资者。

📋 核心要点(部分)

1. 标准神经网络回归大盘择时策略
2. 从低频到高频
3. 从线性到非线性
4. 从单次分析到推进分析
5. 从分类到回归
6. 预测值相关
7. 策略回测结果