行业研究报告

机器学习与大数据的期权收益可预测性研究:基于1200万观测数据的非线性模型分析

2023-10金融投资55.0Georgetown University, University of Münster, University of St. Gallen, University of Neuchâtel

基于1996-2020年超过1200万观测数据,发现非线性机器学习模型显著提升期权收益预测的样本外表现,多空组合产生统计和经济上显著的利润,即使考虑交易成本。期权特征是最重要的单独预测因子,但股票特征提供增量预测能力。预测性由信息摩擦和期权错误定价驱动。

报告摘要

基于1996-2020年超过1200万观测数据,发现非线性机器学习模型显著提升期权收益预测的样本外表现,多空组合产生统计和经济上显著的利润,即使考虑交易成本。期权特征是最重要的单独预测因子,但股票特征提供增量预测能力。预测性由信息摩擦和期权错误定价驱动。

核心要点

  1. 引言
  2. 数据与方法
  3. 实证结果
  4. 稳健性检验
  5. 结论

报告信息

文件全名
RFS-使用机器学习和大数据预测期权价格-英
适合读者
量化研究员金融从业者学者
核心数据
  1. 1200万
  2. 1996-2020
核心议题
金融投资期权收益可万观测数据非线性模型

常见问题

《机器学习与大数据的期权收益可预测性研究:基于1200万观测数据的非线性模型分析》主要包含哪些内容?

基于1996-2020年超过1200万观测数据,发现非线性机器学习模型显著提升期权收益预测的样本外表现,多空组合产生统计和经济上显著的利润,即使考虑交易成本。期权特征是最重要的单独预测因子,但股票特征提供增量预测能力。预测性由信息摩擦和期权错误定价驱动。核心数据:1200万;1996-2020。

这份报告由哪家机构发布?

本报告由Georgetown University, University of Münster, University of St. Gallen, University of Neuchâtel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 55.0。

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?

适合量化研究员、金融从业者、学者等读者参考。

报告涉及哪些关键议题?

重点分析了金融投资、期权收益可、万观测数据、非线性模型等议题。

继续阅读

同分类报告

查看全部
📱 登录