机器学习多因子动态调仓策略｜广发证券量化投资研究｜2018
传统多因子策略在2017年以来遭遇回撤，因子择时成为破局关键。本报告提出基于XGBoost的机器学习多因子动态调仓策略，通过预测因子IC实现风格轮动，动态加权复合因子。回测显示：2014年以来累积收益率达107.89%，年化收益率20.08%，最大回撤仅7.68%，信息比1.74，显著优于因子等权策略。策略采用滚动训练，适应市场风格变化，有效提升超额收益。适合量化研究员、金融工程分析师、投资经理等专业人士参考。
报告摘要
传统多因子策略在2017年以来遭遇回撤，因子择时成为破局关键。本报告提出基于XGBoost的机器学习多因子动态调仓策略，通过预测因子IC实现风格轮动，动态加权复合因子。回测显示：2014年以来累积收益率达107.89%，年化收益率20.08%，最大回撤仅7.68%，信息比1.74，显著优于因子等权策略。策略采用滚动训练，适应市场风格变化，有效提升超额收益。适合量化研究员、金融工程分析师、投资经理等专业人士参考。
核心要点
- 一、背景介绍
- 二、因子择时框架
- 三、机器学习模型
- 四、动态调仓策略
- 五、回测表现
- 六、结论与风险提示
报告信息
- 文件全名
- 《多因子Alpha系列报告之（三十六）：机器学习多因子动态调仓策略-广发证券》
- 适合读者
- 核心数据
- 累积收益率107.89%
- 年化收益率20.08%
- 最大回撤7.68%
- 信息比1.74
- 胜率63.21%
- 核心议题
常见问题
《机器学习多因子动态调仓策略｜广发证券量化投资研究｜2018》主要包含哪些内容?
传统多因子策略在2017年以来遭遇回撤，因子择时成为破局关键。本报告提出基于XGBoost的机器学习多因子动态调仓策略，通过预测因子IC实现风格轮动，动态加权复合因子。回测显示：2014年以来累积收益率达107.89%，年化收益率20.08%，最大回撤仅7.68%，信息比1.74，显著优于因子等权策略。策略采用滚动训练，适应市场风格变化，有效提升超额收益。适合量化研究员、金融工程分析师、投资经理等专业人士参考。核心数据:累积收益率107.89%;年化收益率20.08%;最大回撤7.68%。
这份报告由哪家机构发布?
本报告由广发证券发布,发布于 2018 年。
这份报告覆盖哪一年、篇幅多大?
覆盖 2018 年,全文约 30。
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?
适合量化研究员、金融工程分析师、投资经理、券商分析师等读者参考。
报告涉及哪些关键议题?
重点分析了金融投资、金融投资研究等议题。
继续阅读
查看全部 →