论文研究-机构交易的正面效应: 波动率和市场效率的视角.pdf下载

weixin_39821051 2020-01-20 01:00:15

论文研究-机构交易的正面效应: 波动率和市场效率的视角.pdf,

机构投资者能否稳定市场和改善市场效率尚无定论.通过检验不同类型机构投资者的交易行为对波动率和信息效率的影响,基于非平衡面板数据两阶段最小二乘回归模型提供了新的证据.除保险公司以外的机构投资者的交易行为有助于公司私有信息融入股价,使股价更加贴近基本价值, 进而提高信息效率和降低波动率.股价信息含量的稳健性检验进一步证实了机构投
相关下载链接：//download.csdn.net/download/weixin_38743602/11787439?utm_source=bbsseo

...全文

8 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

论文研究-机构交易的正面效应: 波动率和市场效率的视角.pdf, 机构投资者能否稳定市场和改善市场效率尚无定论.通过检验不同类型机构投资者的交易行为对波动率和信息效率的影响,基于非平衡面板数据两阶段最小二乘回归模型提供了新的证据.除保险公司以外的机构投资者的交易行为有助于公司私有信息融入股价,使股价更加贴近基本价值, 进而提高信息效率和降低波动率.股价信息含量的稳健性检验进一步证实了机构投资者全体和基金的交易行为使股价反映更多的当期和未来盈余信息.整体而言, 机构投资者确实起到了稳定市场和改善市场效率的作用,但保险公司在降低波动率和提高信息效率方面没有显著作用.

原文：TowardsDataScience 协议：CC BY-NC-SA 4.0 启动你的机器学习之旅：范围确定、结构设计和数据探索（第一部分）原文：towardsdatascience.com/end-to-end-machine-learning-project-part-1-project-scoping-structure-data-gathering-eda-7e69b71eeb44?source=collection_archive---------18-----------------

我是微软的数据科学家，也是巴黎 EPITA 的前任讲师。我拥有 8 项人工智能领域的专利，并持续推动人工智能的前沿发展。我希望你能成为我的前 1,000 名关注者之一。此外，请在LinkedIn* 上关注我。过去，我常常因为无法确认对特定 DAG 源代码所做的更改是否被解析而感到烦恼。我通常需要刷新页面（多次）并开始查找源代码中的特定区域，以确保这些更改已被解析，从而重新触发 DAG。新版本的 Airflow 在 DAG 的代码标签中引入了Parsed at。

如果你正在阅读这篇文章，你可能已经意识到机器学习（ML）已经成为许多行业的战略能力，包括投资行业。与 ML 的兴起密切相关的数字数据的爆炸对投资产生了特别强大的影响，而投资已经有了使用复杂模型处理信息的悠久历史。这些趋势正在促成量化投资的新方法，并增加了将数据科学应用于自主和算法交易策略的需求。跨资产类别的交易范围非常广泛，因为它涵盖了从股票和政府债券到商品和房地产的范围。这意味着一个非常广泛的新型替代数据源可能与过去大多数分析工作的核心市场和基本数据相关。你可能也已经了解到，成功应用 ML 或数据科学需要

策略S的交易规则由参数集定义。一种通过暴力校准交易规则的方法是：定义一组替代值R，Ω：={R在不同的R∈ Ω值下模拟历史表现（回测）S。选择最佳R。更正式地：(13.1)其中 E[.]和σ[.]分别是基于交易规则R对的期望值和标准差，在i= 1,…I上。换句话说，方程（13.1）最大化了S在I个机会中替代交易规则R空间的夏普比率（参见 Bailey 和 López de Prado [2012]对夏普比率的定义和分析）。

下载资源悬赏专区

13,655

社区成员

12,584,605

社区内容

发帖

与我相关

我的任务

其他技术论坛（原bbs）

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章