Can machines learn Chinese mutual funds?
创建于 更新于
摘要
本报告结合机器学习技术（如Random Forest，XGBoost，LightGBM）构建中国公募基金选拔模型，将基金选取问题转化为分类任务，利用基金特征预测其超越基准的概率，通过排序构建投资组合。实证结果显示，基于机器学习的策略显著超越基准基金指数，其中LightGBM表现最佳，年化收益达16.44%，夏普比率0.71。此外，报告创新引入机器学习模型组合框架，进一步提升预测稳健性与组合稳定性，展现机器学习在基金选拔和组合构建中的实际应用价值 [page::0][page::9][page::10][page::11][page::16]
