使用隨機(jī)森林、Adaboost和XGboost算法來(lái)對(duì)傳統(tǒng)的股票多因子模型進(jìn)行改進(jìn),同時(shí)在因子構(gòu)建時(shí)引入了遺傳算法,增加了因子的多樣性。實(shí)證檢驗(yàn)發(fā)現(xiàn),在使用相同因子的條件下,使用集成學(xué)習(xí)算法進(jìn)行滾動(dòng)訓(xùn)練獲得了比等權(quán)打分法和基準(zhǔn)指數(shù)更好的收益表現(xiàn),證明了集成學(xué)習(xí)在中國(guó)股票市場(chǎng)多因子模型構(gòu)建上的有效性,為量化投資的多因子模型提供了新的思路。

【文章頁(yè)數(shù)】：16 頁(yè)

【文章目錄】：
一、引言
二、文獻(xiàn)綜述
三、多因子模型理論
四、集成學(xué)習(xí)理論
    (一)隨機(jī)森林算法
        1.決策樹(shù)原理及數(shù)學(xué)表達(dá)
            (1)Gini系數(shù)
            (2)信息熵
        2.隨機(jī)森林
    (二)AdaBoost算法
    (三)XGBoost算法
        1.GBDT算法的原理及數(shù)學(xué)表達(dá)
        2.XGboost的原理及數(shù)學(xué)表達(dá)
        3.XGboost算法的優(yōu)勢(shì)
五、候選因子有效性檢驗(yàn)
六、多因子模型的構(gòu)建
    (一)隨機(jī)森林算法
    (二)Adaboost算法
    (三)XGBoost算法
    (四)模型組合
七、結(jié)論與展望



本文編號(hào)：3748698