PulseAugur
中
实时 22:45:09
English(EN) Machine Learning Classification and Portfolio Construction: Does the Loss Function Matter?

机器学习分类在投资组合构建中优于回归

作者 PulseAugur 编辑部 · [1 个来源] ·

一篇发表在arXiv上的研究论文探讨了机器学习模型在投资组合构建中的有效性，发现分类模型优于回归模型。研究表明，通过梯度提升树、随机森林和神经网络的堆叠集成，使用分类方法相比回归方法获得了显著更高的夏普比率。这种优势归因于分类在分离收益十分位数方面更强的能力，即使在考虑了基于回归的方法后，仍能保留经济上较大的阿尔法。 AI

影响 与回归模型相比，机器学习中的分类模型在投资组合构建方面表现更优，可能带来更有效的投资策略。

排序理由 发表在arXiv上的研究论文，详细介绍了机器学习模型的发现。[lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

机器学习分类在投资组合构建中优于回归

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Yang Bai, Kuntara Pukthuanthong ·

    Machine Learning Classification and Portfolio Construction: Does the Loss Function Matter?

    arXiv:2108.02283v3 Announce Type: replace-cross Abstract: Classification outperforms regression across matched machine learning models in portfolio construction. A stacking ensemble of gradient boosted tree, random forest, and neural network yields a value-weighted annualized Sha…

相关实体

相关话题