机器学习算法助力组合优化：风险预算模型提升指数增强策略表现
本报告探索机器学习算法在因子组合优化中的应用，针对线性优化和二次规划的局限性，借鉴风险预算模型，采用循环坐标下降（CCD）与交替方向乘子（ADMM）算法，实现更稳定、低换手、高信息比的指数增强组合。实证显示，中证500增强组合信息比从1.54提升至1.80，最大回撤由7.7%降至6.4%，换手率降至41.0%。
报告摘要
本报告探索机器学习算法在因子组合优化中的应用，针对线性优化和二次规划的局限性，借鉴风险预算模型，采用循环坐标下降（CCD）与交替方向乘子（ADMM）算法，实现更稳定、低换手、高信息比的指数增强组合。实证显示，中证500增强组合信息比从1.54提升至1.80，最大回撤由7.7%降至6.4%，换手率降至41.0%。
核心要点
- 因子组合构建方式
- 二次规划边际提升
- 风险预算模型
- 风险预算增强组合实证
报告信息
- 文件全名
- 《机器学习系列报告之五：锦上添花，机器学习算法助力组合优化-光大证券》
- 适合读者
- 核心数据
- 1.80
- 6.4%
- 41.0%
- 核心议题
常见问题
《机器学习算法助力组合优化：风险预算模型提升指数增强策略表现》主要包含哪些内容?
本报告探索机器学习算法在因子组合优化中的应用，针对线性优化和二次规划的局限性，借鉴风险预算模型，采用循环坐标下降（CCD）与交替方向乘子（ADMM）算法，实现更稳定、低换手、高信息比的指数增强组合。实证显示，中证500增强组合信息比从1.54提升至1.80，最大回撤由7.7%降至6.4%，换手率降至41.0%。核心数据:1.80;6.4%;41.0%。
这份报告由哪家机构发布?
本报告由光大证券发布,发布于 2020 年。
这份报告覆盖哪一年、篇幅多大?
覆盖 2020 年,全文约 24。
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?
适合基金经理、量化研究员、资产配置从业者等读者参考。
报告涉及哪些关键议题?
重点分析了金融投资、金融投资研究等议题。
继续阅读
查看全部 →