基于多因子体系的基差预测模型
创建于 更新于
摘要
本报告基于多因子体系对股指期货年化基差率相关因子进行量化分析，采用Pearson和Distance相关系数筛选因子，构建OLS+Ridge线性模型及Random Forest和Xgboost机器学习模型，以滚动窗口方式进行训练和预测。在不同预测周期下，Xgboost模型预测周度年化基差率表现最佳，平均MSE为0.044%，涨跌准确率达57.70%，最高62.13%，验证了指数波动率和公募指增超额因子的预测有效性[page::0][page::3][page::6][page::10][page::14].
