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
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。
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。
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。
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。
本报告由兴业证券发布,发布于 2023 年。
覆盖 2023 年,全文约 23.0。
本报告为付费报告,可在资料宝站内下单后获取完整内容。
适合量化研究者、金融分析师、投资经理等读者参考。
重点分析了金融投资、缺失值估计、西学东渐、师盈利等议题。