机器学习与基金特征如何选择正 Alpha 基金？——“学海拾珠”系列之一百六十八
创建于 更新于
摘要
本报告基于美国共同基金数据，运用机器学习方法（梯度提升、随机森林和弹性网络）探讨基金特征对未来业绩的预测能力。结果显示非线性机器学习方法识别的多头基金组合在扣除费用后实现显著正Alpha（年化2.36%-2.69%），远超线性方法和等权组合。特征重要性分析表明，过去业绩指标与基金主动程度之间存在非线性和显著交互作用，基金主动程度越高，过去业绩对未来基金表现的预测力越强。此外，基于双重筛选策略结合业绩和主动性指标亦能实现一定正Alpha，但动态机器学习模型可实现更优表现。投资者应用机器学习模型，有望从主动型共同基金中获益 [page::0][page::3][page::4][page::5][page::11][page::13][page::15][page::17]
