行业研究报告

海外文献推荐系列之一百五十七:西学东渐——分析师盈利预测缺失值估计与CMF方法研究

2023-10金融投资23.0兴业证券

本文研究分析师盈利预测缺失值的重要性,使用耦合矩阵分解(CMF)方法有效估计缺失值,并结合LASSO、XGBoost等机器学习算法,显著提升未来盈利预测的准确性,优于传统均值法。实证表明CMF方法效果更优,为量化投资提供新工具。

报告摘要

本文研究分析师盈利预测缺失值的重要性,使用耦合矩阵分解(CMF)方法有效估计缺失值,并结合LASSO、XGBoost等机器学习算法,显著提升未来盈利预测的准确性,优于传统均值法。实证表明CMF方法效果更优,为量化投资提供新工具。

核心要点

  1. 缺失值研究的重要意义
  2. 耦合矩阵分解方法
  3. 实证分析
  4. 机器学习预测未来盈利

报告信息

文件全名
海外文献推荐系列之一百五十七:西学东渐-兴业证券
适合读者
量化研究者金融分析师投资经理
数据来源
多方数据交叉验证
核心议题
金融投资缺失值估计西学东渐师盈利

常见问题

《海外文献推荐系列之一百五十七:西学东渐——分析师盈利预测缺失值估计与CMF方法研究》主要包含哪些内容?

本文研究分析师盈利预测缺失值的重要性,使用耦合矩阵分解(CMF)方法有效估计缺失值,并结合LASSO、XGBoost等机器学习算法,显著提升未来盈利预测的准确性,优于传统均值法。实证表明CMF方法效果更优,为量化投资提供新工具。

这份报告由哪家机构发布?

本报告由兴业证券发布,发布于 2023 年。

这份报告覆盖哪一年、篇幅多大?

覆盖 2023 年,全文约 23.0。

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?

适合量化研究者、金融分析师、投资经理等读者参考。

报告涉及哪些关键议题?

重点分析了金融投资、缺失值估计、西学东渐、师盈利等议题。

继续阅读

同分类报告

查看全部
📱 登录