梯度提升树排序学习在因子模型中的创新应用与实践.docx

下载文档

0
0
约2.3万字
约 27页
2026-01-13 发布于上海
举报
版权申诉
保障服务

梯度提升树排序学习在因子模型中的创新应用与实践.docx

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。

梯度提升树排序学习在因子模型中的创新应用与实践

一、引言

1.1研究背景

在金融市场中，资产定价与投资决策一直是学术界和业界关注的核心问题。因子模型作为资产定价领域的重要工具，旨在通过识别和分析影响资产价格的关键因素，对资产的预期收益进行建模和预测。自1964年夏普提出资本资产定价模型（CAPM）以来，因子模型得到了广泛的研究和应用。其中，Fama-French三因子模型在传统CAPM模型的基础上，引入了市值因子（SMB）和账面市值比因子（HML），显著提升了对股票收益率的解释能力，成为现代资产定价理论的重要基石。随后，学者们不断探索和拓展因子模型的形式与应用范围，如Carh