發(fā)布時間：2021-02-15 13:51

　　量化投資憑借其非凡不俗的業(yè)績表現(xiàn),逐漸進(jìn)入廣大投資者的視野,在過去的40年里顛覆了傳統(tǒng)的投資哲學(xué),被譽(yù)為“投資界的革命”。隨著計算機(jī)技術(shù)的高速發(fā)展,該模式得到了更加迅速的進(jìn)步和發(fā)展。許多把量化策略作為主要投資技術(shù)的資產(chǎn)管理公司已經(jīng)成為同行中的佼佼者,這也說明了量化投資理念已經(jīng)深入人心,量化投資技術(shù)漸漸成為主要的投資方法之一,研究新的量化投資方式和挖掘新的建模思路對量化投資的發(fā)展意義重大。本文構(gòu)建了多因子選股模型,在構(gòu)建多因子選股模型之前,利用行業(yè)輪動策略進(jìn)行股票池的初步篩選,增強(qiáng)模型的選股性能,并采用滬深300指數(shù)成分股數(shù)據(jù)進(jìn)行實(shí)證分析。本文在以下幾個方面進(jìn)行優(yōu)化:一是在因子選擇上,收集基本面、政策面、市場面等多方面對股票波動存在可能影響的因子,包括技術(shù)類、動量類、財務(wù)質(zhì)量類、價值類、成長類以及分析師情緒類因子,分析師情緒因子主要反映分析師對各個上市公司的信用評價及盈利預(yù)期,如綜合評級,每股預(yù)期收益等。二是在構(gòu)建行業(yè)輪動策略時,在分析投資時鐘輪動的理論基礎(chǔ)上,首先通過計量模型研究投資時鐘在行業(yè)配置中的可行性,然后通過歷史數(shù)據(jù)統(tǒng)計檢驗(yàn)考察投資時鐘在我國股市行業(yè)配置中應(yīng)用效果。三是在構(gòu)建多... 

【文章來源】：上海師范大學(xué)上海市

【文章頁數(shù)】：54 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景
    1.2 研究目的與意義
    1.3 研究內(nèi)容、方法與技術(shù)路線
        1.3.1 研究內(nèi)容
        1.3.2 研究方法
        1.3.3 技術(shù)路線
    1.4 本文的主要特點(diǎn)與不足
第2章 文獻(xiàn)綜述與相關(guān)理論
    2.1 文獻(xiàn)綜述
        2.1.1 行業(yè)輪動
        2.1.2 量化投資模型
        2.1.3 多因子模型
        2.1.4 文獻(xiàn)評述
    2.2 相關(guān)理論
        2.2.1 行業(yè)輪動相關(guān)理論
        2.2.2 量化投資相關(guān)理論
        2.2.3 隨機(jī)森林相關(guān)理論
第3章 多因子選股問題的分析與交易策略的構(gòu)思
    3.1 量化投資的發(fā)展與現(xiàn)狀問題分析
    3.2 主要量化選股模型
        3.2.1 支持向量與隨機(jī)森林算法介紹
        3.2.2 支持向量機(jī)與隨機(jī)森林的優(yōu)缺點(diǎn)比較
    3.3 傳統(tǒng)多因子模型的問題與交易策略的改進(jìn)思路
        3.3.1 傳統(tǒng)多因子選股問題及改進(jìn)
        3.3.2 交易策略設(shè)計改進(jìn)思路
第4章 基于行業(yè)輪動策略的多因子選股方案設(shè)計
    4.1 方案設(shè)計的思路
    4.2 數(shù)據(jù)的獲取與預(yù)處理
        4.2.1 數(shù)據(jù)獲取
        4.2.2 因子的選擇
        4.2.3 數(shù)據(jù)預(yù)處理
    4.3 行業(yè)輪動策略的構(gòu)建
        4.3.1 經(jīng)濟(jì)周期的劃分
        4.3.2 行業(yè)輪動配置
    4.4 行業(yè)輪動檢驗(yàn)與分析
        4.4.1 行業(yè)指數(shù)與經(jīng)濟(jì)周期的關(guān)系
        4.4.2 對行業(yè)指數(shù)進(jìn)行輪動配置的分析
    4.5 多因子選股模型的構(gòu)建
        4.5.1 模型構(gòu)建思路
        4.5.2 隨機(jī)森林超參數(shù)優(yōu)化
    4.6 方案設(shè)計總結(jié)
第5章 交易策略方案的有效性評價
    5.1 基于行業(yè)輪動的選股方案合理性檢驗(yàn)
    5.2 與單一的多因子選股模型對比
        5.2.1 因子與模型選取
        5.2.2 模型效果對比
第6章 結(jié)論與展望
    6.1 結(jié)論
    6.2 后續(xù)研究
參考文獻(xiàn)
致謝


【參考文獻(xiàn)】：
期刊論文
[1]支持向量機(jī)在多因子選股的預(yù)測優(yōu)化[J]. 張偉楠,魯統(tǒng)宇,孫建明.  電子技術(shù)應(yīng)用. 2019(09)
[2]機(jī)器學(xué)習(xí)驅(qū)動的基本面量化投資研究[J]. 李斌,邵新月,李玥陽.  中國工業(yè)經(jīng)濟(jì). 2019(08)
[3]基于GARCH-CoVaR方法的中國A股行業(yè)關(guān)聯(lián)網(wǎng)絡(luò)風(fēng)險溢出動態(tài)研究[J]. 陳暮紫,魏純,謝豪,李楠.  金融經(jīng)濟(jì)學(xué)研究. 2019(04)
[4]基于滬深300指數(shù)股票的多因子模型研究[J]. 王婧橦,周生彬,王玉文.  哈爾濱師范大學(xué)自然科學(xué)學(xué)報. 2019(02)
[5]基于隨機(jī)森林的支持向量機(jī)量化選股[J]. 賈秀娟.  區(qū)域金融研究. 2019(01)
[6]行業(yè)配置與基金業(yè)績:基于行業(yè)集中度和行業(yè)活躍度的研究[J]. 張學(xué)勇,吳雨玲,陳銳.  數(shù)理統(tǒng)計與管理. 2018(03)
[7]機(jī)器學(xué)習(xí)方法在股指期貨預(yù)測中的應(yīng)用研究——基于BP神經(jīng)網(wǎng)絡(luò)、SVM和XGBoost的比較分析[J]. 黃卿,謝合亮.  數(shù)學(xué)的實(shí)踐與認(rèn)識. 2018(08)
[8]我國股票市場的行業(yè)輪動性分析[J]. 張羽喬.  中國商論. 2017(32)
[9]基于遞歸特征消除方法的隨機(jī)森林算法[J]. 吳辰文,梁靖涵,王偉,李長生.  統(tǒng)計與決策. 2017(21)
[10]基于隨機(jī)森林的企業(yè)信用風(fēng)險評估模型研究[J]. 趙亞,李田,苑澤明.  財會通訊. 2017(29)

碩士論文
[1]基于機(jī)器學(xué)習(xí)的股市行業(yè)輪動量化投資策略研究[D]. 楊磊.華僑大學(xué) 2019
[2]基于深度學(xué)習(xí)的多因子股票價格預(yù)測方法研究[D]. 裴大衛(wèi).中國科學(xué)技術(shù)大學(xué) 2019
[3]隨機(jī)森林自適應(yīng)特征選擇和參數(shù)優(yōu)化算法研究[D]. 劉凱.長春工業(yè)大學(xué) 2018
[4]我國股票市場行業(yè)動量效應(yīng)及其投資策略優(yōu)化的實(shí)證研究[D]. 向英鏵.重慶工商大學(xué) 2017
[5]基于隨機(jī)森林的指數(shù)化投資組合構(gòu)建研究[D]. 韓燕龍.華南理工大學(xué) 2015



本文編號：3034963