多因子系列之二:Alpha因子高维度与非线性问题~基于Lasso的收益预测模型-190220(21页)
VIP专免
2023-11-04
999+
1.45MB
21 页
海报
侵权投诉
NoSuchBucket
NoSuchBucket
NoSuchBucket
摘要:
展开>>
收起<<
请仔细阅读本报告末页声明证券研究报告|金融工程研究2019年02月20日量化专题报告多因子系列之二:Alpha因子高维度与非线性问题——基于Lasso的收益预测模型Alpha预测时面临两个重要的问题:高维度问题和非线性问题。高维度问题指目前已知的Alpha因子个数有成百上千个,我们该如何选择有效的因子并且进行预测呢?非线性问题指因子和收益之间的关系并不是呈严格线性的,我们如何捕捉这一非线性关系呢?本报告使用基于Lasso的模型,尝试解决这两个问题。传统模型无法应对上述问题。常用的Alpha模型有等权、ICIR加权、最大化复合ICIR等。通常的做法是先进行单因子筛选,再基于逻辑小类合成大类,最后...
声明:报告堂所有资料均为用户上传分享,仅供参考学习使用,版权归原作者所有。若侵犯到您的权益,请告知我们处理!任何个人或组织,在未征得本平台同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。