华泰证券CSCV框架回测过拟合概率研究：量化模型过拟合检验方法
本研究基于组合对称交叉验证（CSCV）框架，量化回测过拟合概率（PBO），通过对多因子选股和择时策略的实证分析，揭示不同模型过拟合风险。案例显示XGBoost多因子策略PBO在15%-50%，择时策略PBO高达50%-90%，为量化模型实盘表现提供预警。
报告摘要
本研究基于组合对称交叉验证（CSCV）框架，量化回测过拟合概率（PBO），通过对多因子选股和择时策略的实证分析，揭示不同模型过拟合风险。案例显示XGBoost多因子策略PBO在15%-50%，择时策略PBO高达50%-90%，为量化模型实盘表现提供预警。
核心要点
- 引言与过拟合层次
- CSCV框架核心思想
- 案例1机器学习选股
- 案例2交叉验证选股
- 案例3均线择时
报告信息
- 文件全名
- 《华泰人工智能系列之二十二：基于CSCV框架的回测过拟合概率-华泰证券》
- 适合读者
- 核心数据
- 15%~50%
- 20%~50%
- 50%~90%
- 核心议题
常见问题
《华泰证券CSCV框架回测过拟合概率研究：量化模型过拟合检验方法》主要包含哪些内容?
本研究基于组合对称交叉验证（CSCV）框架，量化回测过拟合概率（PBO），通过对多因子选股和择时策略的实证分析，揭示不同模型过拟合风险。案例显示XGBoost多因子策略PBO在15%-50%，择时策略PBO高达50%-90%，为量化模型实盘表现提供预警。核心数据:15%~50%;20%~50%;50%~90%。
这份报告由哪家机构发布?
本报告由华泰证券发布,发布于 2019 年。
这份报告覆盖哪一年、篇幅多大?
覆盖 2019 年,全文约 22。
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、金融工程师、投资经理等读者参考。
报告涉及哪些关键议题?
重点分析了金融投资、CSCV、华泰证券等议题。
继续阅读
查看全部 →