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

报告摘要

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。

📋 核心要点(部分)

1. 时间序列上预测信息与可推论性的悖论
2. 探寻记忆性与平稳性的平衡
3. 非整差分的一些简单应用