金融工程专题：AI算法研究系列-利用趋势追踪实现行业配置-240814-浙商证券
本文构建了单资产趋势追踪模型，应用于行业指数来构建行业配置组合。 视角分析了资产自身波动属性对预测模型的影响，对输入特征进行了补充，并优化了 利用行业指数趋势预测信号，实现了相较于行业等权年化超额 20%的
报告摘要
本文构建了单资产趋势追踪模型，应用于行业指数来构建行业配置组合。 视角分析了资产自身波动属性对预测模型的影响，对输入特征进行了补充，并优化了 利用行业指数趋势预测信号，实现了相较于行业等权年化超额 20%的
核心要点
- 利用趋势追踪实现行业配置
- 本文构建了单资产趋势追踪模型，应用于行业指数来构建行业配置组合。
- 从趋势追踪
- 视角分析了资产自身波动属性对预测模型的影响，对输入特征进行了补充，并优化了
- 利用行业指数趋势预测信号，实现了相较于行业等权年化超额 20%的
- 分析师：陈奥林
- 1 《真空期：日本加息回摆，
- 如何利用资产自身波动属性提升趋势预测模型的表现：
报告信息
- 文件全名
- 《金融工程专题：AI算法研究系列-利用趋势追踪实现行业配置-240814-浙商证券-17页.pdf》
- 适合读者
- 核心数据
- 视角分析了资产自身波动属性对预测模型的影响，对输入特征进行了补充，并优化了
- 利用行业指数趋势预测信号，实现了相较于行业等权年化超额 20%的
- 如何利用资产自身波动属性提升趋势预测模型的表现：
- 性对趋势预测效果的潜在影响，并针对性地调整了预测模型的输入特征。
- 现短期波动率下降、中期波动率上升，或短期波动率上升而中期波动率下降的情
- 核心议题
常见问题
《金融工程专题：AI算法研究系列-利用趋势追踪实现行业配置-240814-浙商证券》主要包含哪些内容?
本文构建了单资产趋势追踪模型，应用于行业指数来构建行业配置组合。 视角分析了资产自身波动属性对预测模型的影响，对输入特征进行了补充，并优化了 利用行业指数趋势预测信号，实现了相较于行业等权年化超额 20%的核心数据:视角分析了资产自身波动属性对预测模型的影响，对输入特征进行了补充，并优化了;利用行业指数趋势预测信号，实现了相较于行业等权年化超额 20%的;如何利用资产自身波动属性提升趋势预测模型的表现：。
这份报告由哪家机构发布?
本报告由浙商证券发布,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 17 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?
重点分析了美股等议题。
继续阅读
查看全部 →