基于AdaBoost机器学习算法的市场短期择时策略:系统化资产配置系列之三
本报告系统介绍利用AdaBoost机器学习算法进行短期市场择时,通过51种日频因子对Wind全A指数涨跌建模。回测显示,多空择时策略年化收益率41.31%,收益风险比1.41,纯多头策略年化收益率24.67%,远超同期简单持有策略。
本报告系统介绍利用AdaBoost机器学习算法进行短期市场择时,通过51种日频因子对Wind全A指数涨跌建模。回测显示,多空择时策略年化收益率41.31%,收益风险比1.41,纯多头策略年化收益率24.67%,远超同期简单持有策略。
本报告系统介绍利用AdaBoost机器学习算法进行短期市场择时,通过51种日频因子对Wind全A指数涨跌建模。回测显示,多空择时策略年化收益率41.31%,收益风险比1.41,纯多头策略年化收益率24.67%,远超同期简单持有策略。
本报告系统介绍利用AdaBoost机器学习算法进行短期市场择时,通过51种日频因子对Wind全A指数涨跌建模。回测显示,多空择时策略年化收益率41.31%,收益风险比1.41,纯多头策略年化收益率24.67%,远超同期简单持有策略。核心数据:41.31%,1.41,24.67%。
本报告由兴业证券发布,发布于 2019 年。
覆盖 2019 年,全文约 22。
本报告免费查阅,登录资料宝后即可在线获取完整内容。
适合金融投资者、量化研究员、资产配置经理等读者参考。
重点分析了金融投资、AdaBoost等议题。