國(guó)外量化金融領(lǐng)域歷經(jīng)幾十年的發(fā)展已日趨成熟,現(xiàn)如今量化投資已成為主流的投資方式和研究?jī)?nèi)容之一,其在中國(guó)A股市場(chǎng)也得到越來越廣泛的應(yīng)用。近年來,在人工智能的浪潮下,各大金融機(jī)構(gòu)不斷將機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘等領(lǐng)域的技術(shù)方法應(yīng)用到量化交易中,這種新的技術(shù)和方法在證券分析中也扮演著越來越重要的角色。在此背景下,本文選用多種區(qū)別于傳統(tǒng)線性回歸的機(jī)器學(xué)習(xí)分類算法,將股票選擇問題視作分類問題,結(jié)合資產(chǎn)定價(jià)理論分析機(jī)器學(xué)習(xí)算法下多因子量化策的略表現(xiàn),并依據(jù)各機(jī)器學(xué)習(xí)模型的預(yù)測(cè)結(jié)果作出評(píng)價(jià)。本文選用六大類共計(jì)35個(gè)因子指標(biāo)搭建因子庫(kù),選取2004年5月至2018年12月A股市場(chǎng)全部上市公司的月度數(shù)據(jù)作為樣本,在每個(gè)月末截面期,核算因子庫(kù)中的因子作為特征數(shù)據(jù),核算下個(gè)自然月的股票超額收益作為標(biāo)簽相關(guān)數(shù)據(jù)。分別使用隨機(jī)梯度下降、支持向量機(jī)、樸素貝葉斯、隨機(jī)森林、神經(jīng)網(wǎng)絡(luò)模型對(duì)訓(xùn)練集上的特征和標(biāo)簽數(shù)據(jù)進(jìn)行學(xué)習(xí)和參數(shù)調(diào)優(yōu),利用參數(shù)調(diào)節(jié)后的模型構(gòu)造多因子量化策略,并依據(jù)策略表現(xiàn)給出各模型的測(cè)試效果分析。通過分析基于各模型的行業(yè)中性策略預(yù)測(cè)表現(xiàn),發(fā)現(xiàn)各機(jī)器學(xué)習(xí)模型在回撤區(qū)間內(nèi)均能獲得正的年化超額收益,但是各模型的回撤表... 

【文章來源】：吉林大學(xué)吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：51 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2.2支持向量機(jī)示意圖

神經(jīng)網(wǎng)絡(luò)原理示意圖

C和下的高斯核SVM模型測(cè)試集AUC值散點(diǎn)圖

【參考文獻(xiàn)】：
期刊論文
[1]基于市場(chǎng)異象的多因子定價(jià)模型比較研究[J]. 方毅,孟佶賢,曲俊雪.  數(shù)量經(jīng)濟(jì)研究. 2019(01)
[2]中國(guó)股票市場(chǎng)主要轉(zhuǎn)折點(diǎn)的識(shí)別:基于改進(jìn)的小波領(lǐng)袖法與逼近技術(shù)的貝葉斯法[J]. 譚政勛,黃錦東,葉誠(chéng).  中國(guó)管理科學(xué). 2018(12)
[3]隨機(jī)森林在量化選股中的應(yīng)用研究[J]. 王淑燕,曹正鳳,陳銘芷.  運(yùn)籌與管理. 2016(03)
[4]基于隨機(jī)森林方法的基金收益率方向預(yù)測(cè)與交易策略研究[J]. 方匡南,朱建平,謝邦昌.  經(jīng)濟(jì)經(jīng)緯. 2010(02)
[5]基于支持向量機(jī)的金融市場(chǎng)指數(shù)追蹤技術(shù)研究[J]. 楊國(guó)梁,趙社濤,徐成賢.  國(guó)際金融研究. 2009(10)
[6]基于擴(kuò)展Kalman濾波的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法在股票預(yù)測(cè)中的應(yīng)用[J]. 何芳,陳收.  系統(tǒng)工程. 2003(06)
[7]基于小波包和神經(jīng)網(wǎng)絡(luò)的股票價(jià)格預(yù)測(cè)模型[J]. 常松,何建敏.  中國(guó)管理科學(xué). 2001(05)



本文編號(hào)：3080811