近些年,隨著科技的發(fā)展,計(jì)算機(jī)性能顯著提升,由此帶來了金融量化投資與機(jī)器學(xué)習(xí)領(lǐng)域的高速發(fā)展,各種交易策略大量涌現(xiàn)。交易策略立足于量化投資,由數(shù)量化的方法和計(jì)算機(jī)程序相結(jié)合,是一種主動(dòng)型投資管理,量化投資以其高效性、低錯(cuò)誤率深受投資者偏愛,主要包括量化選股、量化擇時(shí)、股指期貨套利、商品期貨套利、統(tǒng)計(jì)套利等,其中又以量化選股最為流行。因此,如何設(shè)計(jì)一個(gè)可以獲得超額收益率的量化選股策略,是當(dāng)前投資者們關(guān)注的重點(diǎn)。本文研究的內(nèi)容從因子的角度進(jìn)行切入,意在通過有效因子的構(gòu)建,進(jìn)而搭建選股模型,設(shè)計(jì)交易策略,最終獲取超額收益。實(shí)證過程中本文構(gòu)建了基于時(shí)變加權(quán)LightGBM的多因子選股模型,選取中證500成份股2011年1月至2019年12月每月月初第一個(gè)交易日的因子數(shù)據(jù)作為數(shù)據(jù)樣本,先從個(gè)股日內(nèi)的高頻數(shù)據(jù)出發(fā),構(gòu)建高頻因子指標(biāo):RVol_t、RSkew_t、RKurt_t,對其進(jìn)行檢驗(yàn)分析,得出有效高頻因子:RSkew_t,并以此因子的大小為依據(jù),篩選中證500,得到每期的股票池,接著建立全市場低頻因子庫并驗(yàn)證其有效... 

【文章來源】：上海師范大學(xué)上海市

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究的背景
    1.2 研究的目的與意義
        1.2.1 研究目的
        1.2.2 研究意義
    1.3 研究的內(nèi)容、方法和技術(shù)路線
        1.3.1 研究內(nèi)容與方法
        1.3.2 研究技術(shù)路線
    1.4 本文主要特點(diǎn)
第2章 相關(guān)理論回顧與文獻(xiàn)綜述
    2.1 相關(guān)理論回顧
        2.1.1 投資組合理論
        2.1.2 資本資產(chǎn)定價(jià)理論
        2.1.3 套利定價(jià)理論
        2.1.4 LightGBM模型
    2.2 相關(guān)文獻(xiàn)綜述
        2.2.1 多因子選股研究現(xiàn)狀
        2.2.2 機(jī)器學(xué)習(xí)在金融領(lǐng)域研究現(xiàn)狀
        2.2.3 文獻(xiàn)總結(jié)
第3章 多因子選股問題的分析與交易策略的構(gòu)思
    3.1 多因子選股問題的提出與分析
    3.2 多因子選股交易策略設(shè)計(jì)的理論框架
    3.3 多因子選股交易策略設(shè)計(jì)的思路
第4章 時(shí)變加權(quán)多因子選股交易策略設(shè)計(jì)方案
    4.1 高頻因子的構(gòu)建
        4.1.1 高頻因子特征分析
        4.1.2 股票池篩選
    4.2 低頻因子庫的構(gòu)建與篩選
        4.2.1 低頻因子有效性識別方法
        4.2.2 低頻因子有效性驗(yàn)證與篩選
    4.3 數(shù)據(jù)處理
        4.3.1 異常值處理
        4.3.2 缺失值處理與其它處理
    4.4 基于時(shí)變加權(quán)LightGBM模型構(gòu)建
        4.4.1 因子權(quán)重的設(shè)定
        4.4.2 時(shí)變加權(quán)模型構(gòu)建
    4.5 交易策略有效性評價(jià)指標(biāo)
第5章 交易策略有效性評價(jià)
    5.1 交易策略方案的有效性評價(jià)
        5.1.1 等因子權(quán)重策略有效性評價(jià)
        5.1.2 時(shí)變加權(quán)策略有效性評價(jià)
        5.1.3 策略對比
    5.2 交易策略方案的風(fēng)險(xiǎn)提示
第6章 結(jié)論
    6.1 本文主要結(jié)論
    6.2 不足與展望
參考文獻(xiàn)
附錄
致謝
攻讀學(xué)位期間的研究成果


【參考文獻(xiàn)】：
期刊論文
[1]機(jī)器學(xué)習(xí)驅(qū)動(dòng)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)
[2]基于滬深300成分股的量化投資策略研究[J]. 呂凱晨,閆宏飛,陳翀.  廣西師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(01)
[3]基于價(jià)值投資的多因子定價(jià)模型在中國資本市場的實(shí)證研究[J]. 干偉明,張滌新.  經(jīng)濟(jì)經(jīng)緯. 2018(04)
[4]基于LightGBM算法的P2P項(xiàng)目信用評級模型的設(shè)計(jì)及應(yīng)用[J]. 馬曉君,沙靖嵐,牛雪琪.  數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究. 2018(05)
[5]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)
[6]基于滬深300成份股的多因子量化選股策略研究[J]. 蘇靖宇,方宏彬.  福建商學(xué)院學(xué)報(bào). 2018(01)
[7]基于多因子選股的半監(jiān)督核聚類算法改進(jìn)研究[J]. 李文星,李俊琪.  統(tǒng)計(jì)與信息論壇. 2018(03)
[8]多因子量化模型在投資組合中的應(yīng)用——基于LASSO與Elastic Net的比較研究[J]. 謝合亮,胡迪.  統(tǒng)計(jì)與信息論壇. 2017(10)
[9]ML-TEA:一套基于機(jī)器學(xué)習(xí)和技術(shù)分析的量化投資算法[J]. 李斌,林彥,唐聞軒.  系統(tǒng)工程理論與實(shí)踐. 2017(05)
[10]Fama-French五因子模型比三因子模型更勝一籌嗎——來自中國A股市場的經(jīng)驗(yàn)證據(jù)[J]. 趙勝民,閆紅蕾,張凱.  南開經(jīng)濟(jì)研究. 2016(02)



本文編號：3631008