使用机器学习预测金融市场压力
利用新构建的市场状况指标（MCIs）针对三个关键的美国市场（国债、外汇和货 币市场），我们证明了基于树的机器学习（ML）模型在预测未来市场压力的完整 通过分位数回归，我们发现随机森林比自回
报告摘要
利用新构建的市场状况指标（MCIs）针对三个关键的美国市场（国债、外汇和货 币市场），我们证明了基于树的机器学习（ML）模型在预测未来市场压力的完整 通过分位数回归，我们发现随机森林比自回
核心要点
- 回归分析、预测、Shapley值。
- Shapley值分析揭示，资金流动性、投资者过度扩张和全球金融周期是未来
报告信息
- 文件全名
- 《使用机器学习预测金融市场压力-38页.pdf》
- 适合读者
- 核心数据
- 回归分析、预测、Shapley值。
- 币市场），我们证明了基于树的机器学习（ML）模型在预测未来市场压力的完整
- 归基准实现了高达27%的分位数损失降低，尤其是在较长的预测周期（3-12个月
- 市场状况尾部实现的 重要预测因子。
- 在...之间/跨... 市场在这些结果中凸显了机器学习在预测尾部风险和实时识别系统
- 核心议题
常见问题
《使用机器学习预测金融市场压力》主要包含哪些内容?
利用新构建的市场状况指标（MCIs）针对三个关键的美国市场（国债、外汇和货 币市场），我们证明了基于树的机器学习（ML）模型在预测未来市场压力的完整 通过分位数回归，我们发现随机森林比自回核心数据:回归分析、预测、Shapley值。;币市场），我们证明了基于树的机器学习（ML）模型在预测未来市场压力的完整;归基准实现了高达27%的分位数损失降低，尤其是在较长的预测周期（3-12个月。
这份报告由哪家机构发布?
本报告由国际清算银行发布,发布于 2025 年。
这份报告覆盖哪一年、篇幅多大?
覆盖 2025 年,全文共 38 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?
重点分析了国债等议题。
继续阅读
查看全部 →