机器学习与量化投资：机器学习结合基本面
创建于 更新于
摘要
本报告提出基于机器学习结合基本面库存信息的期货策略。通过全连接神经网络对技术指标进行拟合，并结合库存指标形成异或关系，以提高预测准确率。策略在2017年测试表现优异，年化收益48.80%，夏普率1.8，最大回撤12.43%，显著优于单纯神经网络模型。同时分析了库存数据选择及策略执行的交易成本假设，指出模型存在过拟合风险以及市场流动性风险等需要关注的风险点，为期货量化策略提供了创新思路与实践案例。[page::0][page::2][page::5]
