机制转换视角下的资产配置：机器学习能否协助决策？
创建于 更新于
摘要
本报告系统研究了基于隐马尔可夫模型的机制转换模型在资产配置中的应用。通过对沪深300及多资产、行业指数的隐藏状态识别，发现单资产“拐点”识别灵敏度不足，但多资产与行业的隐藏状态划分对资产配置提供了有效的指导信号，机制转换组合相较传统动量策略表现优异。此外，宏观多变量的隐藏状态识别效果不佳，建议结合可观测宏观变量观点和资产隐藏状态观点实现资产配置优化，实现组合收益与稳定性的提升[page::0][page::9][page::15][page::21][page::23]
