20230921-天风证券-金融工程_海外文献推荐第266期_4页

金工专题报告分析总结

文献一：使用机器学习和深度学习技术的两阶段行业轮动模式
该文献提出了一种两阶段行业轮动方法，使用机器学习和深度学习技术。第一阶段，通过递归式特征消除算法选择市场指标如CPI和GDP，并独立预测各行业模型。第二阶段，基于市场环境预测行业排名，使用递归神经网络（RNN）模型预测ETF价格，根据预测回报率对行业进行排名，选择前4位行业构成投资组合。研究显示，该方法在回溯窗口和前瞻窗口的回测中，年化收益率、夏普比率和卡玛比率优于等权重组合，且具有长期稳健性。

文献二：重新审视房地产回报的可预测性：来自美国REITs市场的新证据
本研究分析了1991年至2014年美国REITs市场房地产收益的可预测性。采用灵活预测框架和多种模型，考虑传统因素、经济指标、货币政策工具和情绪不确定性指标。结果表明，REITs收益可通过这些因素进行预测，且预测强度随时间和预测范围变化，经济指标和货币政策工具是主要预测因子。

文献三：基于ETF构建的动量组合
此文献比较了基于ETF和股票精选行业的多资产投资组合中，动量策略与等权重基准的表现（2007-2017和2011-2017年）。验证了短期均值回归效应（过去“输家”优于赢家）和长期持续动量效应（过去“赢家”优于输家）。传统动量模式仅在特定组合中显著，受样本期和2008熊市影响，而特定行业动量模式可用于套利机会。