基于多因子体系的基差预测模型

创建于 2025-04-28T23:05:18.612377+08:00 更新于 2025-05-19T18:36:21.898036+08:00

摘要

本报告基于多因子体系，通过线性和非线性相关性分析筛选有效因子，构建了包括OLS+Ridge线性模型和Random Forest、Xgboost等机器学习模型预测股指期货年化基差率。结果显示，公募指增超额和指数波动率类因子对基差影响显著，Xgboost在周度预测的MSE平均仅为0.044%，涨跌准确率达57.70%，最高62.13%，表明其较强的预测能力和实用价值[pidx::0][pidx::14]。

速读内容

深度阅读