金融数据
量化金融数据是指通过数学和统计模型对金融市场进行分析和预测所产生的数据。这些数据可以包括历史价格、交易量、波动率、相关性等各种指标，以及基于这些指标计算得出的各种统计量和风险参数。 它们对于投资者和金融机构来说具有重要的参考价值。可以帮助投资者了解市场趋势和风险情况，从而做出更明智的投资决策。同时，金融机构也可以利用量化金融数据来开发新的金融产品和服务，以满足客户的需求并获取更高的收益。 在处理量化金融数据时，通常需要使用各种数据分析工具和技术，包括数据挖掘、机器学习、统计分析等。这些工具和技术可以帮助投资者和金融机构从海量数据中提取有用的信息，并对其进行深入的分析和研究。 请注意，尽管量化金融数据可以提供有用的参考信息，但并不能完全预测市场的未来走势。因此，在使用这些数据时，需要结合其他因素进行综合考虑，以降低投资风险。
中国的股票回报是否可预测？机器学习方法（SSRN-3971419)
论文原名
《Are Stock Returns Predictable in China? A Machine Learning Approach》
论文作者
Huihang Wu, Xingkong Wei, Xiaoyan Zhang
修订时间
2021 年 10 月
关键词
回报预测、样本外预测、机器学习、金融科技
引言
股票收益的可预测性一直是研究的核心问题之一。金融。本文试图引入机器学习方法来回答股票是否在中国，回报是可以预见的。中国股市的108个特征数据来自1997 年 1 月至 2019 年 12 月，本文比较了传统计量经济学模型与
更新时间：2021-12-10 03:34