Optimal Linear Signal: An Unsupervised Machine Learning Framework to Optimize PnL with Linear Signals
创建于 更新于
摘要
本研究提出了一种基于无监督机器学习的方法，通过线性组合外生变量构建交易信号，最大化策略的夏普率以优化利润和亏损（PnL）。模型在美债ETF上的实证回测显示其有效性，运用正则化技术抑制过拟合，并通过修正因子显著提升策略表现。研究还探讨了包括贝塔中性、正则化、多周期和策略堆叠等未来扩展方向，为系统量化交易策略的开发提供理论基础与实务指导 [page::0][page::1][page::5][page::6][page::8]
