华西证券-机器学习因子系列：时序模型+回归模型因子策略-230506

文本预览：

《华西证券-机器学习因子系列：时序模型+回归模型因子策略-230506（32页）.pdf》由会员分享，可在线阅读，更多相关《华西证券-机器学习因子系列：时序模型+回归模型因子策略-230506（32页）.pdf（32页精品完整版）》请在悟空智库报告文库上搜索。

（以下内容从华西证券《机器学习因子系列：时序模型+回归模型因子策略》研报附件原文摘录）
　　投资要点: 　　量化交易策略 　　机器学习量化交易策略的制定，是从海量历史数据中使用计算机强大的处理能力，挖掘并分析出那些能够为投资者带来收益的各种大概率可行的投资方式来实现的。通过数学模型对这些策略进行分析并加以验证，以期望让投资者获得更稳定的预期收益。 　　时序模型和机器学习回归算法结合使用有利于提高预测准确性 　　时序模型可以用于处理具有时间序列的数据，并从中获取相关的信息，为机器学习回归算法提供更精确的输入。与此同时,机器学习回归算法可以进一步加强时间序列数据的分析能力。二者结合使用可以带来更好的数据预测准确性，带来更好的决策结果。 　　lstm和线性支持向量回归算法结合使用对提升平均皮尔逊系数效果最佳 　　Lstm模型具有记忆单元和门控机制，可以有效处理长期依赖关系，因此在时序数据建模方面表现出色。回归算法不胜枚举，各回归算法胜任的问题领域不同。但在本问题上，经实验验证，线性支持向量回归算法优于其他常见的回归方法。 　　风险提示 　　模型基于对历史数据统计，仅作为投资参考。