* 本报告来自网络,如有侵权请联系删除
机器学习系列报告之二:机器学习合成非线性因子,增强效果如何?
收藏
纠错
价格免费
数据简介
因子有效性随市场变化,因子合成面临挑战。在经典的多因子选股框架里,等权法合成因子较为常见,特点是简单直观,但无法体现因子间的差异。IC加权法包含了因子的动量信息,以及因子之间的差异,但无法体现因子之间的交互作用。而机器学习可以寻找大量数据之间的映射(非线性)关系。
报告预览
*本报告来自网络,如有侵权请联系删除
收藏
纠错
因子有效性随市场变化,因子合成面临挑战。在经典的多因子选股框架里,等权法合成因子较为常见,特点是简单直观,但无法体现因子间的差异。IC加权法包含了因子的动量信息,以及因子之间的差异,但无法体现因子之间的交互作用。而机器学习可以寻找大量数据之间的映射(非线性)关系。