Machine Learning Classification and Portfolio Allocation: with Implications from Machine Uncertainty
发表于 2025年7月24日上传于 2025年7月24日

本文采用多分类机器学习模型预测股票表现,将个股划分为超额收益者、次优收益者和低收益者,构建多因子量化模型,实现年化夏普比率达1.67至3.35且alpha高达29%-48%。引入机器不确定性指标衡量信息稀缺性,发现信息不完整性与股价回报显著负相关,尤其对过去表现不佳的股票影响最大,量化模型的预测性能与信息环境紧密相关。