基于相关性的行业轮动模型 计量经济+机器学习
创建于 更新于
摘要
本报告基于行业间滞后月度超额收益的相关性，采用Adaptive LASSO及充分预测向量方法构建行业轮动收益预测模型。通过统计学习与机器学习方法，提升模型预测能力和解释度，回测期2004-2019年，量化策略显著优于沪深300基准，累计超额收益达213%，夏普比提升至0.70，最大回撤显著降低，展现行业相关性在轮动策略中的应用价值与有效性[page::0][page::4][page::16][page::17][page::18]
