瑞银2018年全球量化研究指出，价值因子在传统GICS行业分类中表现受限，而通过机器学习（如聚类算法）结合财务数据与宏观时间序列重新定义同质行业组群，可将价值策略年化超额收益提升1-4%（美国、欧洲、亚太等发达市场一致）。该模型基于FCF收益率、PE等通用价值信号，以市值加权构建大市值组合，风险调整收益显著改善，换手率仅略高于传统策略，且呈逆周期优势。报告详细展示如何利用机器自学习行业分类，而非黑箱技术，为量化投资者提供更有效的行业中性价值框架。适合量化研究员、资产配置分析师、对冲基金策略师、投资组合经理及金融科技从业者。
瑞银2018年全球量化研究指出，价值因子在传统GICS行业分类中表现受限，而通过机器学习（如聚类算法）结合财务数据与宏观时间序列重新定义同质行业组群，可将价值策略年化超额收益提升1-4%（美国、欧洲、亚太等发达市场一致）。该模型基于FCF收益率、PE等通用价值信号，以市值加权构建大市值组合，风险调整收益显著改善，换手率仅略高于传统策略，且呈逆周期优势。报告详细展示如何利用机器自学习行业分类，而非黑箱技术，为量化投资者提供更有效的行业中性价值框架。适合量化研究员、资产配置分析师、对冲基金策略师、投资组合经理及金融科技从业者。
瑞银2018年全球量化研究指出，价值因子在传统GICS行业分类中表现受限，而通过机器学习（如聚类算法）结合财务数据与宏观时间序列重新定义同质行业组群，可将价值策略年化超额收益提升1-4%（美国、欧洲、亚太等发达市场一致）。该模型基于FCF收益率、PE等通用价值信号，以市值加权构建大市值组合，风险调整收益显著改善，换手率仅略高于传统策略，且呈逆周期优势。报告详细展示如何利用机器自学习行业分类，而非黑箱技术，为量化投资者提供更有效的行业中性价值框架。适合量化研究员、资产配置分析师、对冲基金策略师、投资组合经理及金融科技从业者。核心数据:年化超额收益提升1-4%;风险调整收益改善;换手率略高于传统策略。
本报告由瑞银（UBS）发布,发布于 2018 年。
覆盖 2018 年,全文约 34。
本报告免费查阅,登录资料宝后即可在线获取完整内容。
适合量化分析师、机构投资者、基金经理、策略研究员等读者参考。
重点分析了金融投资、量化策略、瑞银等议题。