智能量化投資是我國(guó)金融業(yè)高質(zhì)量發(fā)展的重要組成部分,是金融科技發(fā)展的必然趨勢(shì)。近些年,以神經(jīng)網(wǎng)絡(luò)為代表的機(jī)器學(xué)習(xí)方法廣泛應(yīng)用于量化投資,然而深度神經(jīng)網(wǎng)絡(luò)難以訓(xùn)練,效果不穩(wěn)定,可解釋性較差,且與圖像識(shí)別等領(lǐng)域相比,金融數(shù)據(jù)信噪比低,噪聲大,導(dǎo)致單一神經(jīng)網(wǎng)絡(luò)在因子投資中并未取得預(yù)期效果。有鑒于此,本文構(gòu)建了一個(gè)基于淺層神經(jīng)網(wǎng)絡(luò)、融合無(wú)監(jiān)督學(xué)習(xí)的非線性資產(chǎn)定價(jià)模型,并對(duì)包含前饋神經(jīng)網(wǎng)絡(luò)在內(nèi)的五種模型,從統(tǒng)計(jì)績(jī)效與投資績(jī)效兩方面進(jìn)行比較性分析,最后,引入可解釋機(jī)器學(xué)習(xí)中兩種與模型無(wú)關(guān)的可解釋性方法對(duì)模型的可解釋性進(jìn)行初步探索。本文收集了2008年10月至2018年9月A股市場(chǎng)醫(yī)藥制造行業(yè)的96個(gè)異象因子,并以此為樣本構(gòu)建異象因子集合進(jìn)行實(shí)證分析,統(tǒng)計(jì)績(jī)效實(shí)證結(jié)果表明:在股票橫截面預(yù)測(cè)和滬深300醫(yī)藥指數(shù)組合預(yù)測(cè)中,所有的模型均能實(shí)現(xiàn)良好的預(yù)測(cè)效果,無(wú)監(jiān)督學(xué)習(xí)對(duì)異象因子集合的特征學(xué)習(xí)能夠有效改善單一前饋神經(jīng)網(wǎng)絡(luò)模型的效果,且非線性無(wú)監(jiān)督學(xué)習(xí)(KPCA和AE)的特征學(xué)習(xí)效果顯著優(yōu)于線性無(wú)監(jiān)督特征學(xué)習(xí)(PCA),說(shuō)明了特征學(xué)習(xí)在機(jī)器學(xué)習(xí)應(yīng)用于實(shí)證金融領(lǐng)域的必要性,且非線性無(wú)監(jiān)督學(xué)習(xí)具有一定的優(yōu)勢(shì)。投資...

【文章頁(yè)數(shù)】：73 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景和意義
    1.2 文獻(xiàn)綜述
        1.2.1 異象因子的有效性研究
        1.2.2 機(jī)器學(xué)習(xí)模型有效性研究
        1.2.3 文獻(xiàn)評(píng)述
    1.3 研究?jī)?nèi)容及創(chuàng)新點(diǎn)
        1.3.1 研究?jī)?nèi)容
        1.3.2 研究創(chuàng)新點(diǎn)
第二章 相關(guān)理論介紹
    2.1 前饋神經(jīng)網(wǎng)絡(luò)
    2.2 主成分分析
    2.3 核主成分分析
    2.4 譜聚類
    2.5 自編碼器
第三章 模型構(gòu)建與研究設(shè)計(jì)
    3.1 非線性資產(chǎn)定價(jià)模型
    3.2 研究設(shè)計(jì)
第四章 實(shí)證研究
    4.1 數(shù)據(jù)來(lái)源
    4.2 統(tǒng)計(jì)績(jī)效評(píng)估
        4.2.1 個(gè)股預(yù)測(cè)
        4.2.2 模型比較
        4.2.3 組合預(yù)測(cè)
    4.3 投資績(jī)效評(píng)估
    4.4 探索非線性資產(chǎn)定價(jià)模型的可解釋性
        4.4.1 因子重要性測(cè)度
        4.4.2 黑盒模型的可視化
第五章 總結(jié)與展望
    5.1 研究結(jié)論
    5.2 研究展望
參考文獻(xiàn)
附錄 A
攻讀學(xué)位期間獲得的科研成果
致謝



本文編號(hào)：3837451