[“Daily Wraps”] 我们通常认为动量和均值回归是相互对立的——选择一方或另一方。但2000年数据显示，通过本地自适应学习滤波器融合两者，在流动性股票中能实现20%的年化回报率，而持有策略只有8%。忽视这种混合优势的交易者正在放弃可观的超额收益。在本文中，我将展示如何构建这个LOAD策略——一个清洁…… – Wed, 14 May 2025 05:15:04 +0000 (https://quantocracy.com/redirect.php?key=6NOY8YYKea&source=feedburner)
-
回报预测中的复杂性优势 [Alpha Architect]
[“Daily Wraps”] 在投资策略领域，简洁性一直备受推崇。传统参数较少的模型因可解释性和易用性受到重视。然而最新研究挑战这一传统，认为拥抱复杂性能带来更精准的收益预测。Bryan T. Kelly的《回报预测中的复杂性优势》这项研究表明…… – Fri, 16 May 2025 05:15:04 +0000 (https://quantocracy.com/redirect.php?key=ze6Og2710b&source=feedburner)
-
特定行业机器学习模型比通用模型更好吗？[Quantpedia]
[“Daily Wraps”] 机器学习模型若针对特定行业定制是否能更好预测股价，还是一劳永逸的通用模型就足够？这是Matthias Hanauer、Amar Soebhag、Marc Stam和Tobias Hoogteijling近期研究论文的核心问题。他们的发现表明最优解介于两者之间：混合机器学习模型…… – Fri, 16 May 2025 05:15:04 +0000 (https://quantocracy.com/redirect.php?key=LEiIQ3aamX&source=feedburner)