选股因子系列研究:从加权IC到机器学习的高频因子多头失效修正方法
本报告针对高频因子在选股模型中多头端失效的问题,提出加权IC评价方法和机器学习升维技术(高次多项式、径向基函数),实证表明可改善组合收益,挖掘增量信息。适合量化投资者参考。
本报告针对高频因子在选股模型中多头端失效的问题,提出加权IC评价方法和机器学习升维技术(高次多项式、径向基函数),实证表明可改善组合收益,挖掘增量信息。适合量化投资者参考。
本报告针对高频因子在选股模型中多头端失效的问题,提出加权IC评价方法和机器学习升维技术(高次多项式、径向基函数),实证表明可改善组合收益,挖掘增量信息。适合量化投资者参考。
本报告针对高频因子在选股模型中多头端失效的问题,提出加权IC评价方法和机器学习升维技术(高次多项式、径向基函数),实证表明可改善组合收益,挖掘增量信息。适合量化投资者参考。核心数据:9个常用因子, 加权IC, 机器学习升维。
本报告由海通证券发布,发布于 2020 年。
覆盖 2020 年,全文约 20。
本报告免费查阅,登录资料宝后即可在线获取完整内容。
适合金融工程研究人员、量化投资者、证券分析师等读者参考。
重点分析了金融投资、机器学习、IC、加权等议题。