证券研究报告·量化深度FOF 投资量化策略 --基于机器学习
创建于 更新于
摘要
本文基于机器学习分类模型（包括逻辑回归、支持向量机、随机森林、集成分类器和人工神经网络）预测股票型和偏股型基金未来收益为正的概率，作为FOF基金组合的选股信号。研究结合了基金净值基特征、多维另类数据、CNE7因子暴露度和基金规模等72个特征变量。结果显示模型输出的预测概率与基金下季度收益率显著正相关，其中人工神经网络表现最佳，能学习到动量效应并实现一定超额收益。尽管如此，除人工神经网络外其它模型的超额收益不显著，动量策略仍具备较强竞争力。去除动量因子后，人工神经网络预测能力和超额收益大幅下降，进一步验证动量效应是基金投资的有效信号。后续研究建议通过特征降维和深度学习模型提升绩效 [page::0][page::3][page::11][page::24][page::31][page::34]
