基于机器学习方法的股债相关性预测

创建于 2025-07-20T23:55:01.247011+08:00 更新于 2025-07-21T00:14:50.892686+08:00

摘要

本报告基于随机森林特征选择和梯度提升回归模型，系统识别美国股债相关性的五大关键驱动因子，包括通胀、通胀不确定性、实际收益率、股市波动率与工业增长，并构建有效的时变相关性预测模型。实证结果显示通胀为长期主导因素，而实际收益率重要性在金融危机后提升，所建五因子模型优于现有因子模型，具有较强预测能力，为资产配置和风险管理提供量化支持[page::0][page::2][page::6][page::8][page::9][page::10]。

速读内容

深度阅读