在量化投資領域中,多因子選股模型憑借穩(wěn)定性高、資金容納量大等優(yōu)勢被A股市場的廣大專業(yè)投資者接受和使用。但近年來,模型的同質化愈發(fā)嚴重,A股市場風格頻繁變化,基于多因子模型的投資難以獲取穩(wěn)定的可觀收益。當前,在人工智能方法廣泛應用和計算機運算能力飛速發(fā)展的背景下,梳理多因子選股模型在應用中存在的問題,將大數(shù)據(jù)樣本下的機器學習算法與多因子模型相結合,可以為優(yōu)化多因子投資模型提供一種手段。為了提高多因子模型對股票超額收益的獲取能力,本文使用機器學習技術,對多因子模型中因子選取進行優(yōu)化,并對因子權重作動態(tài)調整,故提出了基于大量因子的GBDT-SVM多層次選股模型。本模型在經典多因子模型的基礎上,先使用梯度提升決策樹算法對經典選股因子構建特征組合;再將特征組合作為新的一批因子,使用支持向量機算法構建選股模型。之后,使用中國A股市場數(shù)據(jù)進行實證研究,并與經典多因子模型和機器學習改進模型進行比較。研究結果表明,GBDT-SVM多層次選股模型具有更高的股票分類準確性,在模擬交易測試中也表現(xiàn)出了良好的盈利能力。本文的研究成果主要包括兩個方面。一方面,本文構建了大量基于高頻交易數(shù)據(jù)的特殊經典因子,也驗證了... 

【文章來源】：華南理工大學廣東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：67 頁

【學位級別】：碩士

【部分圖文】：

研究路線圖

圖 2-1 多因子建模流程圖Step1：挑選因子挑選因子是模型研究的重點和難點，在挑選過程中，不僅要考慮該因子是否有經濟意義，還要考慮因子是否在過往的市場行情中有效，還要考慮該因子與其他所選因子共線性問題。本文第三章將重點介紹本文使用的因子和選取因子的方法。Step2：因子選股在因子選股方面，模型使用固定周期選股的方式，通常按照周、月、季度等固定的間間隔使用模型，在周末、月末、季度末按照模型的結果選擇股票和調換持有的股票，成選股投資模式。打分法和回歸法為常用選股方式：其中，打分法通過某種方法對每個因子給予一定的權重，并對因子值進行加權求和獲得每個股票的總得分，并通過得分篩選股票[5]。打分的方式通常因人而異：其中等重法將每個因子值等權求和得到總分；專家打分法則是通過投資經理對股市的預判為地給各個因子施加權重；ICIR 打分法通過分析各個因子在過去一段時間的表現(xiàn)，

圖 3-1 單因子測試流程.1.1 因子數(shù)據(jù)處理本文從天軟數(shù)據(jù)庫和萬得金融數(shù)據(jù)庫下載并計算得到因子數(shù)據(jù)庫后，選取 2005 年 月 1 日至 2012 年 12 月 31 日的市場所有股票數(shù)據(jù)進行單因子檢驗。該時間段樣本數(shù)量充足，且充分涵蓋了 A 股市場在不同經濟環(huán)境下的行情，包括 2005 年 6 月至 200 10 月的大牛市行情，2007 年 10 月至 2008 年 11 月的大熊市行情以及若干段行情變幅度相對較小的牛市、熊市、和持續(xù)性強的震蕩市行情。使用全 A 股市場股票數(shù)據(jù)夠充分利用因子的有效性，更能得出因子對市場的適應情況。本文因為風險原因對兩類股票進行剔除。第一類為公司連續(xù)會計年度虧損的股票括 ST 股票、*ST 股票和 PT 股票等。第二類股票為上市未滿一年的股票，這類股票有“新股”的特性，較難使用因子模型進行預測，同時因為這些股票歷史數(shù)據(jù)樣本較，容易出現(xiàn)若干財務因子和技術因子的缺失。

【參考文獻】：
期刊論文
[1]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.  廣西師范大學學報(自然科學版). 2019(01)
[2]基于多因子選股的半監(jiān)督核聚類算法改進研究[J]. 李文星,李俊琪.  統(tǒng)計與信息論壇. 2018(03)
[3]多因子量化模型在投資組合中的應用——基于LASSO與Elastic Net的比較研究[J]. 謝合亮,胡迪.  統(tǒng)計與信息論壇. 2017(10)
[4]公司特質風險、估值水平與股票收益——基于分位數(shù)Fama-MacBeth回歸模型的實證分析[J]. 趙勝民,劉笑天.  華東經濟管理. 2017(09)
[5]ML-TEA:一套基于機器學習和技術分析的量化投資算法[J]. 李斌,林彥,唐聞軒.  系統(tǒng)工程理論與實踐. 2017(05)
[6]在線評論質量有用特征識別:基于GBDT特征貢獻度方法[J]. 王洪偉,孟園.  中文信息學報. 2017(03)
[7]量化投資和高頻交易:風險、挑戰(zhàn)及監(jiān)管[J]. 彭志.  南方金融. 2016(10)
[8]我國股指期貨價格發(fā)現(xiàn)功能的再探討——來自三個上市品種的經驗證據(jù)[J]. 李政,卜林,郝毅.  財貿經濟. 2016(07)
[9]Fama-French五因子模型比三因子模型更勝一籌嗎——來自中國A股市場的經驗證據(jù)[J]. 趙勝民,閆紅蕾,張凱.  南開經濟研究. 2016(02)
[10]新動量交易策略在A股市場的有效性研究——基于過去52周最高價格的實證檢驗[J]. 王明濤,黎單.  證券市場導報. 2015(07)

博士論文
[1]基于人工智能方法的股票價值投資研究[D]. 李云飛.哈爾濱工業(yè)大學 2008

碩士論文
[1]基于財務指標的我國中小制造企業(yè)信用評價研究[D]. 陶嬌.四川師范大學 2018
[2]A股市場多因子選股量化模型構建及其檢驗[D]. 費洋.浙江大學 2018
[3]基于聚寬量化投資平臺的股票多因子策略應用[D]. 楊世林.浙江大學 2018
[4]面向A股的基本面量化交易策略的設計[D]. 陳子寧.電子科技大學 2018
[5]基于Logistic回歸的Barra因子選股模型研究[D]. 張冬陽.南京大學 2018
[6]基于集成學習的量化選股策略研究[D]. 王凱.華南理工大學 2017
[7]基于XGBoost算法的多因子量化選股方案策劃[D]. 李想.上海師范大學 2017
[8]基于三層過濾模式的多因子選股模型研究[D]. 趙智輝.華南理工大學 2015
[9]基于多因子模型的量化選股[D]. 張利平.河北經貿大學 2014
[10]因子選股模型在中國市場的實證研究[D]. 劉毅.復旦大學 2012



本文編號：3251218