基于基金特征与机器学习的选基研究：决策树随机森林预测基金收益，年化25.79%
本文利用基金定期披露的基本信息构造16个特征，通过决策树与随机森林模型预测基金未来收益，构建投资组合。在2005至2022年样本期内，模型预测IC均值0.084，策略年化收益率25.79%，最大回撤36.66%，Sharpe比率0.91，月胜率64.60%，超额收益显著。线性与非线性特征均有效。
报告摘要
本文利用基金定期披露的基本信息构造16个特征，通过决策树与随机森林模型预测基金未来收益，构建投资组合。在2005至2022年样本期内，模型预测IC均值0.084，策略年化收益率25.79%，最大回撤36.66%，Sharpe比率0.91，月胜率64.60%，超额收益显著。线性与非线性特征均有效。
核心要点
- 摘要
- 特征构造
- 模型方法
- 策略表现
- 特征重要性分析
- 结论
报告信息
- 文件全名
- 《基于基金特征与机器学习的选基研究-西南证券》
- 适合读者
- 核心数据
- 25.79%
- 0.91
- 64.60%
- 核心议题
常见问题
《基于基金特征与机器学习的选基研究：决策树随机森林预测基金收益，年化25.79%》主要包含哪些内容?
本文利用基金定期披露的基本信息构造16个特征，通过决策树与随机森林模型预测基金未来收益，构建投资组合。在2005至2022年样本期内，模型预测IC均值0.084，策略年化收益率25.79%，最大回撤36.66%，Sharpe比率0.91，月胜率64.60%，超额收益显著。线性与非线性特征均有效。核心数据:25.79%;0.91;64.60%。
这份报告由哪家机构发布?
本报告由西南证券发布,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 21.0。
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?
适合基金投资者、金融工程师、量化研究员等读者参考。
报告涉及哪些关键议题?
重点分析了金融投资、基金特征、机器学习、基金收益等议题。
继续阅读
查看全部 →