摘要: 我認為,因子可用性半衰期較短的說法基本上適用於高頻因子。如果對高頻因子進行回溯測試,它們有時看起來幾乎和風險不相關,只有非常高的回報,一旦人們發現這些因子好得令人難以置信,效果就會很快消失。而我們使用的是更長期的因子,回報期限為幾個月,有時甚至長達一年。我們意識到,與這些因子相關的風險是存在的,但事實證明它們能長期發揮作用。 人工智能和機器學習策略最終表現如何?新的數據類型在預測股票回報和風險方面有多大的利用價值?這些還有待觀察。我猜測,結果將令人大失所望。一些新的數據類型將具有價值,但很多類型可能將沒有價值。機器學習和人工智能同樣如此。在當今的AI工具中,可能只有一小部分工具將會有用。 我認為,機器人投顧是重大進展之一,可以在很大程度上改變資產管理行業的運作方式。進展是全方位的,也包括其他的服務提供商、投資組合分析提供商等等。

摘要: 自2012年1月24日起,來自對沖基金的電話就不斷響起,紛紛要找丹尼爾·納德勒(Daniel Nadler)。就在那一天,這位年年28歲的哈佛大學經濟學博士在彭博社 (Bloomberg)上與人合著了一篇文章,文中介紹瞭如何通過美元的走強來預測標普500指數每週的走低情況。

在前一篇文章”SVM演算法簡介”,貓大已經為各位讀者介紹了什麼是SVM,相信大家對SVM多多少少都有些基本的認知了,而在這一篇文章當中就是要介紹如何實際應用SVM了,貓大會為各位介紹LIBSVM以及如何使用LIBSVM來解決財務金融的投資問題。

Popular Tags

每月文章