AdaBoost 的成功及其在投资组合管理中的应用
机器学习
2021-03-24 v1 机器学习
投资组合管理
摘要
我们提出一种新方法来解释为何 AdaBoost 是一种成功的分类器。通过引入二分类问题训练数据中噪声点影响度（ION）的度量，我们证明了 ION 与测试误差之间存在强关联。我们进一步确认 AdaBoost 的 ION 随迭代次数或基学习器复杂度的增加而减小。我们证实在某些复杂情形下，若不以深树作为 AdaBoost 的基学习器则不可能获得一致分类器。我们在中国市场通过实证研究将 AdaBoost 应用于投资组合管理，印证了我们的理论命题。
引用
@article{arxiv.2103.12345,
title = {The Success of AdaBoost and Its Application in Portfolio Management},
author = {Yijian Chuan and Chaoyi Zhao and Zhenrui He and Lan Wu},
journal= {arXiv preprint arXiv:2103.12345},
year = {2021}
}