华泰证券人工智能系列之十八：机器学习选股模型调仓频率实证研究(2019)

本报告由华泰证券发布，聚焦机器学习选股模型的调仓频率优化。研究发现，自2017年以来月频调仓模型超额收益下滑，通过加快调仓频率可显著提升表现。实证对比了月频、半月频和周频XGBoost模型，周频调仓模型在年化超额收益率（21.02%）、信息比率（3.86）和Calmar比率（5.28）上均最优。同时指出，高换手率需要借助组合优化控制，并测试了不同交易成本下的表现。适合量化研究员、金融工程师、投资经理及机器学习从业者参考。核心数据:周频XGBoost年化超额收益率21.02%;超额收益最大回撤3.98%;信息比率3.86。

本报告由华泰证券发布,发布于 2019 年。

覆盖 2019 年,全文约 18。

本报告免费查阅,登录资料宝后即可在线获取完整内容。

适合量化研究员、金融工程师、投资经理、基金经理等读者参考。

重点分析了金融投资、金融投资研究等议题。