A Framework for Predictive Directional Trading Based on Volatility and Causal Inference
创建于 更新于
摘要
本研究提出结合高阶统计方法与机器学习的多阶段因果推断框架，通过波动率聚类和格兰杰因果检验等技术识别股票间的时滞因果关系，构建并回测基于该信号的交易策略。该策略在45天回测期内实现总收益15.38%，显著优于Buy-and-Hold，夏普率最高达2.17，证明了该方法在量化交易中的实用性和潜力[page::0][page::9][page::11][page::14]。
