本文提出了一种基于机器学习的创新方法，用于预测股票收益的完整分布而非单一统计量。该方法通过结合两阶段分位数神经网络与样条插值技术，构建了无需依赖参数假设的平滑累积分布函数，能够灵活捕捉收益分布中的非高斯特征（如厚尾性和不对称性）。研究进一步展示了如何从预测的分位数中推导其他统计量（如均值、方差、偏度和峰度），并通过实证分析验证了该方法在美国及国际市场的稳健性。对于量化策略研究员而言，该框架提供了更丰富的分布信息，有助于优化风险管理、资产定价和投资组合构建。
#######################
欢迎参加净值还在水上微信群：本群旨在成为一个高质量的量化知识共享圈。我们只聚焦高价值的干货分享，期待大家能在这里一起交流、一起成长。
为保证群的纯粹性和交流质量，我们将严格审核入群身份。