《表1 因子基本分类：基于机器学习的股票超额收益预测模型》
提示：宽带有限、当前游客访问压缩模式
通过IC，IR对547个因子进行筛选，便可选出较优的Alpha因子。
| 图表编号 | XD00108242900 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.09.20 |
| 作者 | 蔡清权、马雲匀、李金妹 |
| 绘制单位 | 天津财经大学 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 小规模股票组合超额收益率-大规模股票组合超额收益率后的月度超额平均收益率情况》2021.01.01
- 《表1 平稳性检验结果：基于E-GARCH模型的钢铁板块股票收益波动率预测研究》2020.05.10
- 《表2 方案的分类准确率：基于机器学习的塑料分类回收预测系统》2020.03.25
- 《表3 分类准确率：基于机器学习的塑料分类回收预测系统》2020.03.25
- 《表1 方案结构：基于机器学习的塑料分类回收预测系统》2020.03.25
- 《表2 绩效比率表：基于机器学习的优化股票多因子模型》2019.12.10
- 《表1 策略信息表：基于机器学习的优化股票多因子模型》2019.12.10
- 《表9 决策树训练结果：基于机器学习的股票超额收益预测模型》2019.09.20
- 《表7 逻辑回归训练结果：基于机器学习的股票超额收益预测模型》2019.09.20
- 《表4 IR排名前五因子：基于机器学习的股票超额收益预测模型》2019.09.20
- 《表1 因子基本分类：基于机器学习的股票超额收益预测模型》2019.09.20
- 《表6 混淆矩阵：基于机器学习的股票超额收益预测模型》2019.09.20
- 《表1 增持股季度信息：基于机器学习的股票特征预测机构持股研究》2019.10.25
- 《表3 描述性统计：基于机器学习的股票特征预测机构持股研究》2019.10.25
- 《表4 预测空间：基于机器学习的股票特征预测机构持股研究》2019.10.25
- 《表2 股票特征：基于机器学习的股票特征预测机构持股研究》2019.10.25
- 《表4 基于11种机器学习算法集成的基本面量化投资模型与基准线性回归模型收益差异的显著性检验》2019.08.17
- 《表3 股票风格分类后主动管理型股票基金月度换手率与基准调整超额收益的时间序列关系》2019.08.05
- 《表1 股票组合：基于Fama-French三因子模型的我国汽车板块股票收益率实证研究》2019.01.01
- 《表1 初选指标：基于机器学习的股票分析与预测模型研究》2019.02.01