机器学习能用于基金组合构建吗？
创建于 更新于
摘要
本报告基于1980年至2018年美国股票型基金数据，应用弹性网、随机森林和梯度提升三种机器学习方法，发现后两者能够构建出风险调整后正收益、统计显著的基金组合，优于传统OLS线性方法。研究强调多变量预测和非线性及交互效应的重要性，并指出alpha随时间下降趋势，体现资本市场竞争加剧和规模不经济问题。同时，机器学习方法对机构与散户基金均适用，且灵活地重新评估因子重要度是策略有效性的关键 [page::0][page::1][page::2][page::6][page::9][page::10]
