Using Machine Learning to Forecast Market Direction with Efficient Frontier Coefficients
创建于 更新于
摘要
本文提出将可解释的有效前沿系数（r_MVP, σ_MVP, u）作为特征，用在线CART分类树每月预测市场涨跌，并以该方向性概率通过逆Mills比率与CAPM映射为条件期望收益以构建切线投资组合，实证显示在1999–2022数据上（2008–2022为检验期）该方法在Sharpe比率和超额回报上显著优于基准组合，验证了有效前沿系数对市场方向的描述能力 [page::1][page::10][page::14]
