行业研究报告

J.P.摩根大数据与AI策略:机器学习在股票衍生品中的应用(2019)

2019-07金融投资39J.P.摩根

本报告由J.P.摩根发布,展示机器学习在股票衍生品交易策略中的应用。重点包括:基于Faias & Santa-Clara (2017)方法扩展的系统化最优对冲组合设计,考虑可投资性约束;以及动态VIX期限结构配置策略,采用均值-方差优化变体。为量化投资者提供直观有效的期权对冲与配置方案。

报告摘要

本报告由J.P.摩根发布,展示机器学习在股票衍生品交易策略中的应用。重点包括:基于Faias & Santa-Clara (2017)方法扩展的系统化最优对冲组合设计,考虑可投资性约束;以及动态VIX期限结构配置策略,采用均值-方差优化变体。为量化投资者提供直观有效的期权对冲与配置方案。

核心要点

  1. 系统化设计最优对冲组合
  2. 动态VIX期限结构配置策略

报告信息

文件全名
J.P. 摩根-全球-量化策略-大数据与AI策略:机器学习在股票衍生品中的应用
适合读者
量化分析师衍生品交易员投资组合经理
数据来源
多方数据交叉验证
核心议题
金融投资摩根大数据机器学习AI

常见问题

《J.P.摩根大数据与AI策略:机器学习在股票衍生品中的应用(2019)》主要包含哪些内容?

本报告由J.P.摩根发布,展示机器学习在股票衍生品交易策略中的应用。重点包括:基于Faias & Santa-Clara (2017)方法扩展的系统化最优对冲组合设计,考虑可投资性约束;以及动态VIX期限结构配置策略,采用均值-方差优化变体。为量化投资者提供直观有效的期权对冲与配置方案。

这份报告由哪家机构发布?

本报告由J.P.摩根发布,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 39。

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?

适合量化分析师、衍生品交易员、投资组合经理等读者参考。

报告涉及哪些关键议题?

重点分析了金融投资、摩根大数据、机器学习、AI等议题。

继续阅读

同分类报告

查看全部
📱 登录