【摘要】：近年來,我國證券市場的高速發(fā)展催生了一批題材股,根據(jù)重大事件的不同分類,可以分為資產(chǎn)重組板塊、WTO板塊以及新能源板塊等等。在這些眾多題材股中間,高送轉(zhuǎn)這一題材無疑是中小投資者強烈追捧的對象,但同時也產(chǎn)生了一些市場亂象,導(dǎo)致投資者盲目炒作高送轉(zhuǎn)股票。此時,準確預(yù)測下一年可能實施“高送轉(zhuǎn)”行為的上市公司,并篩選出相應(yīng)的標的加入組合,設(shè)計出高效穩(wěn)定的投資策略就具有很大的現(xiàn)實意義。本文嘗試對基于集成學(xué)習(xí)的上市公司高送轉(zhuǎn)預(yù)測模型及投資策略設(shè)計做一些深入的探討。結(jié)構(gòu)安排上,第一章主要闡述本文研究的背景、研究的意義、研究內(nèi)容和方法以及主要貢獻等內(nèi)容;第二章梳理了國內(nèi)外學(xué)者對“高送轉(zhuǎn)”預(yù)測模型主要影響因素和投資策略的相關(guān)研究成果,以及介紹了相關(guān)統(tǒng)計學(xué)習(xí)方法,包括特征選擇、邏輯回歸模型和支持向量機SVM算法;第三章從“高送轉(zhuǎn)”現(xiàn)狀分析為出發(fā)點,主要剖析高送轉(zhuǎn)的界定、當(dāng)前我國上市公司分紅送轉(zhuǎn)流程和歷年“高送轉(zhuǎn)”基本情況回顧,為進一步的實證分析鋪路,提供現(xiàn)實案例依據(jù);第四章首先從初步選定的四種影響因子指標出發(fā),通過數(shù)據(jù)預(yù)處理,包括數(shù)據(jù)缺失值和標準化處理,其次運用基于樹和遞歸特征消除的特征選擇篩選出影響“高送轉(zhuǎn)”的6個主要因子,最后創(chuàng)新性的運用邏輯回歸和支持向量機SVM的集成學(xué)習(xí)模型,為預(yù)測下一年的高送轉(zhuǎn)提供了一種高準確率、低波動率的方案;第五章從上述集成學(xué)習(xí)模型出發(fā),篩選出各年度預(yù)測的股票,并結(jié)合最佳持倉時間進行樣本外回測分析,研究結(jié)果表明能取得較高的超額回報收益率;第六章得出本文的研究結(jié)論,并指出研究的不足和未來的研究方向。得出的結(jié)論主要為:我國“高送轉(zhuǎn)”事件投資時間段較為固定,一般為“高送轉(zhuǎn)”預(yù)案公告日前兩個月左右,且該事件具有很強的可預(yù)測性;通過對“高送轉(zhuǎn)”行情內(nèi)在規(guī)律的分析,將每年“高送轉(zhuǎn)”預(yù)測標的股構(gòu)建的組合進行樣本外測試,得到的組合收益率效果明顯優(yōu)于同期滬深300指數(shù)收益率。
【圖文】：

行文框架

研究技術(shù)路線圖
【學(xué)位授予單位】：上海師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：F832.51;F275

【相似文獻】

相關(guān)期刊論文 前10條

1 徐繼偉;楊云;;集成學(xué)習(xí)方法:研究綜述[J];云南大學(xué)學(xué)報(自然科學(xué)版);2018年06期

2 武玉英;嚴勇;蔣國瑞;;基于動態(tài)選擇性集成學(xué)習(xí)的供應(yīng)鏈產(chǎn)銷協(xié)商優(yōu)化策略[J];計算機工程;2017年05期

3 張滄生;崔麗娟;楊剛;倪志宏;;集成學(xué)習(xí)算法的比較研究[J];河北大學(xué)學(xué)報(自然科學(xué)版);2007年05期

4 郭福亮;周鋼;;集成學(xué)習(xí)中預(yù)測精度的影響因素分析[J];兵工自動化;2019年01期

5 曾一平;;基于集成學(xué)習(xí)的小麥識別研究[J];現(xiàn)代商貿(mào)工業(yè);2019年17期

6 米碩;孫瑞彬;李欣;明曉;;集成學(xué)習(xí)在文本分類問題中的應(yīng)用[J];中國新通信;2018年09期

7 李曄;劉勝利;張兆林;;基于漂移檢測和集成學(xué)習(xí)的木馬檢測模型[J];信息工程大學(xué)學(xué)報;2017年06期

8 徐桂云;陳躍;張曉光;劉云楷;;基于選擇性集成學(xué)習(xí)的焊接缺陷識別研究[J];中國礦業(yè)大學(xué)學(xué)報;2011年06期

9 張春霞;張講社;;選擇性集成學(xué)習(xí)算法綜述[J];計算機學(xué)報;2011年08期

10 饒峰;;核機器集成學(xué)習(xí)算法的誤差分析[J];重慶文理學(xué)院學(xué)報(自然科學(xué)版);2010年04期

相關(guān)會議論文 前10條

1 關(guān)鵬洲;王夢毫;李倩;;基于集成學(xué)習(xí)和深度學(xué)習(xí)的短期降雨預(yù)測模型[A];2017年（第五屆）全國大學(xué)生統(tǒng)計建模大賽獲獎?wù)撐倪x[C];2017年

2 杜方鍵;楊宏暉;;K均值聚類優(yōu)化集成學(xué)習(xí)[A];2011'中國西部聲學(xué)學(xué)術(shù)交流會論文集[C];2011年

3 倪志偉;張琛;倪麗萍;;基于螢火蟲群優(yōu)化算法的選擇性集成霾天氣預(yù)報方法[A];中國系統(tǒng)工程學(xué)會第十八屆學(xué)術(shù)年會論文集——A12系統(tǒng)科學(xué)與系統(tǒng)工程理論在各個領(lǐng)域中的應(yīng)用研究[C];2014年

4 李燁;蔡云澤;許曉鳴;;基于支持向量機集成的故障診斷[A];第16屆中國過程控制學(xué)術(shù)年會暨第4屆全國故障診斷與安全性學(xué)術(shù)會議論文集[C];2005年

5 吳龍飛;孫浩;計科峰;;基于集成映射的半監(jiān)督圖像分類方法[A];第八屆全國信號和智能信息處理與應(yīng)用學(xué)術(shù)會議會刊[C];2014年

6 邱誠;倪子偉;陳珂;蘇旋;鄒權(quán);;基于聚類方法的基分類器選擇策略研究[A];第29屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（B輯）（NDBC2012）[C];2012年

7 張紅梅;;基于粗糙集特征約簡的SVM集成入侵檢測模型[A];2009中國控制與決策會議論文集（3）[C];2009年

8 程麗麗;張健沛;楊靜;馬駿;;一種提高支持向量機集成差異性的學(xué)習(xí)方法[A];第二十五屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（一）[C];2008年

9 劉錕;邢延;蔡延光;;一種針對交互式學(xué)習(xí)系統(tǒng)日志數(shù)據(jù)的輕型化挖掘方法[A];2011年中國智能自動化學(xué)術(shù)會議論文集（第一分冊）[C];2011年

10 劉伍穎;王挺;;一種多過濾器集成學(xué)習(xí)垃圾郵件過濾方法[A];第三屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會議論文集[C];2007年

相關(guān)重要報紙文章 前1條

1 本報記者 張曄;人腦比電腦更重要[N];科技日報;2008年

相關(guān)博士學(xué)位論文 前10條

1 李艷秋;基于集成學(xué)習(xí)的人臉識別研究[D];合肥工業(yè)大學(xué);2018年

2 趙鶴;面向高維大數(shù)據(jù)的子空間集成學(xué)習(xí)方法研究[D];中國科學(xué)院大學(xué)(中國科學(xué)院深圳先進技術(shù)研究院);2017年

3 劉天羽;基于特征選擇技術(shù)的集成學(xué)習(xí)方法及其應(yīng)用研究[D];上海大學(xué);2007年

4 侯勇;特征提取與集成學(xué)習(xí)算法的研究及應(yīng)用[D];北京科技大學(xué);2015年

5 孫永宣;集成學(xué)習(xí)下的圖像分析關(guān)鍵問題研究[D];合肥工業(yè)大學(xué);2013年

6 尹華;面向高維和不平衡數(shù)據(jù)分類的集成學(xué)習(xí)研究[D];武漢大學(xué);2012年

7 阿里木·賽買提(Alim.Samat);基于集成學(xué)習(xí)的全極化SAR圖像分類研究[D];南京大學(xué);2015年

8 劉沖;模擬電路故障診斷AdaBoost集成學(xué)習(xí)方法研究[D];大連海事大學(xué);2011年

9 鈕冰;基于集成學(xué)習(xí)算法的若干生物信息學(xué)問題研究[D];上海大學(xué);2009年

10 程麗麗;支持向量機集成學(xué)習(xí)算法研究[D];哈爾濱工程大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 王瑞峰;基于集成學(xué)習(xí)的胃鏡影像分析方法及移動醫(yī)療平臺的設(shè)計[D];天津理工大學(xué);2019年

2 張寶安;基于深度學(xué)習(xí)的入侵檢測研究與實現(xiàn)[D];北京郵電大學(xué);2019年

3 顧媛媛;基于集成學(xué)習(xí)算法的搜索廣告轉(zhuǎn)化率預(yù)測應(yīng)用研究[D];上海師范大學(xué);2019年

4 胡宸;基于集成學(xué)習(xí)的上市公司高送轉(zhuǎn)預(yù)測模型及投資策略設(shè)計[D];上海師范大學(xué);2019年

5 常建芳;基于集成學(xué)習(xí)和卷積神經(jīng)網(wǎng)絡(luò)的太陽能輻照度預(yù)測方法[D];天津大學(xué);2018年

6 葉明;基于集成學(xué)習(xí)的疾病輔助診斷關(guān)鍵技術(shù)研究與實現(xiàn)[D];鄭州大學(xué);2019年

7 邸研哲;基于相似性方法的藥物—疾病相互作用關(guān)系預(yù)測[D];安徽大學(xué);2019年

8 雍振煌;基于評論極性與集成學(xué)習(xí)的微博謠言檢測研究[D];武漢理工大學(xué);2018年

9 朱俊;選擇性集成學(xué)習(xí)及其應(yīng)用研究[D];華東交通大學(xué);2016年

10 鄭麗容;基于聚類和動態(tài)更新的啟發(fā)式選擇性集成學(xué)習(xí)算法[D];廈門大學(xué);2017年

，

本文編號：2651630