《表2 基于Newey and West (1987）的不同策略间收益差异性检验（12个月滚动窗口）》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《机器学习驱动的基本面量化投资研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为验证机器学习算法相对于传统线性回归模型的优越性，表2展示了各种机器学习算法与OLS回归所构建投资组合收益率差异显著性的检验结果，以及表现最好的DFN模型相对于其他传统机器学习算法的收益差异检验结果。数据显示，几乎所有非线性机器学习算法都较线性回归投资绩效有明显提升，证明机器学习算法能够通过识别数据间的非线性模式有效提升预测效果。对DFN与其他模型预测效果的检验结果显示，DFN能够显著超越Ridge、Lasso、ElasticNet、PLS和SVM获得更高的投资绩效，证明了深度学习算法挖掘非线性模式的有效性。