Causal and Predictive Modeling of Short-Horizon Market Risk and Systematic Alpha Generation Using Hybrid Machine Learning Ensembles
创建于 更新于
摘要
本文提出一种结合神经网络与树模型的混合机器学习集成框架，用于预测标普500 ETF短期（5天）市场风险及其驱动因素，并基于该信号构建系统交易策略，实现显著的风险调整超额收益。研究涵盖广泛跨资产特征，包括权益、利率、外汇、大宗商品与波动率市场，揭示了不同市场状态下的关键风险因子和因果关系。实证回测区间为2005至2025年，策略年化夏普比率达2.51，CAPM alpha显著正值，beta低于1，表明模型有效捕捉非线性风险动态并实现有限方向性敞口下的系统性阿尔法生成 [page::0][page::1][page::10][page::14][page::15]。
