机器学习系列之六:适应市场状态与股票关联性的因子生成模型-240904-东北证券
市场状态的切换与股票间关联关系的变化对股票的预期收益影响显著。 不同的市场状态对应着不同的交易模式,而传统方法为不同状态的数据 赋予相同的重要性,尝试构建一种统一的交易模式,这种通用的方法可
市场状态的切换与股票间关联关系的变化对股票的预期收益影响显著。 不同的市场状态对应着不同的交易模式,而传统方法为不同状态的数据 赋予相同的重要性,尝试构建一种统一的交易模式,这种通用的方法可
市场状态的切换与股票间关联关系的变化对股票的预期收益影响显著。 不同的市场状态对应着不同的交易模式,而传统方法为不同状态的数据 赋予相同的重要性,尝试构建一种统一的交易模式,这种通用的方法可
市场状态的切换与股票间关联关系的变化对股票的预期收益影响显著。 不同的市场状态对应着不同的交易模式,而传统方法为不同状态的数据 赋予相同的重要性,尝试构建一种统一的交易模式,这种通用的方法可核心数据:月频 Rank IC:14.55%,ICIR:1.68,五分组多头年化收益:18.09%;;子做行业市值中性化后月频 Rank IC:12.85%,ICIR:1.91,五分组多头;超额年化收益 15.61%,跟踪误差 5.16%;。
本报告由东北证券发布,发布于 2024 年。
覆盖 2024 年,全文共 31 页。
本报告免费查阅,登录资料宝后即可在线获取完整内容。
适合投资人、行业研究员等读者参考。
重点分析了沪深、股票投资等议题。