这篇研报构建了基于LASSO回归和XGBoost的机器学习模型（MLM2），通过380个预测变量（包括国别宏观经济差异、市场因子及全球政策不确定性等交互项）预测G10+1货币对美元汇率。实证显示，线性LASSO模型表现最优，样本外夏普比率达0.7，关键驱动变量为通胀差异与美国金融监管政策不确定性的交互项。该模型在2020年后政策分化期表现突出，并成功应用于套息交易增强策略，当前看跌人民币而温和看涨日元。研究验证了高维环境下线性模型的稳健性，同时强调宏观风险因子在量化汇率预测中的重要性。

欢迎对量化感兴趣的朋友加微信索取原文或者交流：ctaxiaobai