另类标签与集成学习提升超额收益:华泰人工智能选股模型深度研究

2020-03金融投资35📊 华泰证券免费

报告维度

📄 文件全名
华泰人工智能系列之二十九:提升超额收益,另类标签和集成学习-华泰证券
🎯 适合读者
量化投资研究者金融工程师选股模型开发者
📊 核心数据
  1. 67种训练期
  2. 全A股优势
  3. 信息比率提升
🏷️ 核心议题
#金融投资#另类标签
📦 本报告属于月份合集
购买后将获得「2020 年 3 月报告合集 · 共 2149 份报告打包下载链接
点击获取云盘下载链接

报告摘要

本报告研究另类标签(信息比率和Calmar比率)相比传统收益率标签在人工智能选股模型中的优势。在全A股中,另类标签显著提升超额收益和信息比率;集成学习进一步稳定提升模型表现,降低单一模型风险。基于67种训练期长度的系统测试,结论具有统计可靠性。

📋 核心要点(部分)

  1. 另类标签的定义与合理性
  2. 实验设计与测试方法
  3. 结果分析与对比
  4. 集成学习模型
  5. 结论与展望

同分类推荐

📱 登录
另类标签与集成学习提升超额收益:华泰人工智能选股模型深度研究 | 资料宝