机器学习系列报告之三：非整差分在金融时间序列中的应用｜光大证券

本报告深入探讨了非整差分在金融时间序列分析中的应用，将差分操作域从正整数拓展到正实数。研究发现，大部分指数仅需0.7阶差分即可满足平稳性，同时保留与原序列0.9左右的相关性。非整差分下的信息熵特征能提升RSRS择时策略效果，而1.5阶差分计算的低波因子在全市场、中证500、沪深300中选股效果显著提升。报告详细分析了记忆性与平稳性的平衡，并给出了优化传统量价因子的实证案例。适合量化研究员、金融工程师、数据分析师及投资者阅读。核心数据:0.7阶差分;0.9相关性;1.5阶差分。

本报告由光大证券发布,发布于 2019 年。

覆盖 2019 年,全文约 21。

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、数据分析师、投资者等读者参考。

重点分析了金融投资、非整差分、光大证券、之三等议题。