Machine Learning Classification and Portfolio Allocation: with Implications from Machine Uncertainty
创建于 更新于
摘要
本文采用多分类机器学习模型预测股票表现，将个股划分为超额收益者、次优收益者和低收益者，构建多因子量化模型，实现年化夏普比率达1.67至3.35且alpha高达29%-48%。引入机器不确定性指标衡量信息稀缺性，发现信息不完整性与股价回报显著负相关，尤其对过去表现不佳的股票影响最大，量化模型的预测性能与信息环境紧密相关[page::0][page::2][page::4][page::16][page::20][page::24][page::25][page::34][page::39][page::41]。
