Dynamic Investment Strategies Through Market Classification and Volatility: A Machine Learning Approach
创建于 更新于
摘要
本报告提出一种基于机器学习的动态投资框架，通过K-means聚类将市场划分为十个波动率状态，利用贝叶斯马尔可夫切换模型预测状态转移，动态调整资产配置。实证结果表明，该策略在两组资产池上均显著提升了风险调整后收益，优于传统静态投资方法，显示了结合经典优化与概率模型在波动市场中优化投资组合的强大潜力 [page::0][page::2][page::15][page::24][page::26]。
