结合改进HHT模型和分类算法的交易策略

创建于 2025-05-13T17:59:08.211913+08:00 更新于 2025-05-19T18:36:12.577719+08:00

摘要

本报告基于变分模态分解（VMD）改进的希尔伯特-黄变换（HHT）模型，结合机器学习分类算法，提出MHHTML指数择时与轮动策略，显著提升了策略年化收益率至18%左右，并有效降低最大回撤，策略适用于多指数及多资产市场，具备较强的稳健性和较低的换手率，且成功拓展至个股选股策略，为投资决策提供了有力工具与方法论支持 [page::0][page::7][page::8][page::15][page::17]

速读内容

深度阅读