A Practical Machine Learning Approach for Dynamic Stock Recommendation

创建于 2025-11-18T12:54:27.157271+08:00 更新于 2025-11-18T17:09:45.112883+08:00

摘要

本论文提出一个面向S&P 500的动态选股方案：以20个常用财务因子为输入，使用五类机器学习模型在滚动窗口内训练并以最低MSE择优模型预测下季度收益，按模型预测值在各行业内选取前20%股票并进行等权、均值-方差和最小方差配置；回测结果显示该方法在收益与Sharpe比上均优于标普500基准 [page::0][page::4].

速读内容

深度阅读