行业研究报告

机器学习在中国股市有效性研究-东兴证券海外文献速览系列之十四

2022-01金融投资26东兴证券

本报告为东兴证券海外文献速览系列第十四篇,揭秘机器学习在中国市场的有效性。研究发现,流动性是中国股市最重要的收益预测因素,基本面因子次之,而传统价格趋势指标重要性较低。神经网络和VASA模型构建的多空投资组合获得高夏普比率,在2015年股灾中也表现强势,且历史回测跑赢沪深300指数,表明机器学习方法在A股市场有效。

报告摘要

本报告为东兴证券海外文献速览系列第十四篇,揭秘机器学习在中国市场的有效性。研究发现,流动性是中国股市最重要的收益预测因素,基本面因子次之,而传统价格趋势指标重要性较低。神经网络和VASA模型构建的多空投资组合获得高夏普比率,在2015年股灾中也表现强势,且历史回测跑赢沪深300指数,表明机器学习方法在A股市场有效。

报告信息

文件全名
海外文献速览系列之十四:揭秘机器学习在中国市场的有效性-东兴证券
适合读者
量化投资者金融工程师策略研究员
数据来源
多方数据交叉验证
核心议题
金融投资股市有效性机器学习

常见问题

《机器学习在中国股市有效性研究-东兴证券海外文献速览系列之十四》主要包含哪些内容?

本报告为东兴证券海外文献速览系列第十四篇,揭秘机器学习在中国市场的有效性。研究发现,流动性是中国股市最重要的收益预测因素,基本面因子次之,而传统价格趋势指标重要性较低。神经网络和VASA模型构建的多空投资组合获得高夏普比率,在2015年股灾中也表现强势,且历史回测跑赢沪深300指数,表明机器学习方法在A股市场有效。

这份报告由哪家机构发布?

本报告由东兴证券发布,发布于 2022 年。

这份报告覆盖哪一年、篇幅多大?

覆盖 2022 年,全文约 26。

这份报告是免费的吗?如何获取?

本报告为付费报告,可在资料宝站内下单后获取完整内容。

这份报告适合哪些读者?

适合量化投资者、金融工程师、策略研究员等读者参考。

报告涉及哪些关键议题?

重点分析了金融投资、股市有效性、机器学习等议题。

继续阅读

同分类报告

查看全部
📱 登录