大數(shù)據(jù)時(shí)代,基于一些數(shù)學(xué)與統(tǒng)計(jì)方法的研究帶動(dòng)了很多產(chǎn)業(yè)的發(fā)展,量化投資就是之一,其是將一些定量的方法應(yīng)用到傳統(tǒng)的金融股票市場(chǎng),借助計(jì)算機(jī)強(qiáng)大的計(jì)算能力和一些算法的超強(qiáng)學(xué)習(xí)能力來輔助投資者做出投資決策,為投資者規(guī)避風(fēng)險(xiǎn)、獲得超額收益。量化選股是量化投資的具體形式之一,其比較重要的兩部分是如何量化(即構(gòu)建因子)和如何選股(即選擇哪幾支股票),本文主要關(guān)注如何選股。對(duì)于因子構(gòu)建環(huán)節(jié),考慮到因子的短暫有效特征與在選股部分所建每一期模型也會(huì)對(duì)因子進(jìn)行篩選和替換,所以本文采取了現(xiàn)有研究中比較有效的36個(gè)因子。在選股部分,本文創(chuàng)造性地將常用于推薦系統(tǒng)的因子分解機(jī)模型(FM)引入了量化選股之中,構(gòu)建了基于Boosting＿FM的模型,即先采取Boosting對(duì)因子特征進(jìn)行篩選,再將所得特征進(jìn)行one-hot編碼,進(jìn)而輸入后續(xù)的FM模型。從而可以借助Boosting模型在特征篩選上的優(yōu)點(diǎn)與FM在處理高維稀疏數(shù)據(jù)的能力,對(duì)股票數(shù)據(jù)進(jìn)行建模預(yù)測(cè)。在模型回測(cè)部分,通過將Boosting＿FM與其本身的Boosting模型進(jìn)行風(fēng)險(xiǎn)收益、分類性能比較發(fā)現(xiàn),Boosting＿FM模型比單獨(dú)的Boosting模型效果...

【文章頁(yè)數(shù)】：52 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1.1研究框架圖

重慶大學(xué)碩士學(xué)位論文5實(shí)證分析及模型優(yōu)化275實(shí)證分析及模型優(yōu)化5.1Boosting_FM模型與原模型的回測(cè)組合比較5.1.1收益及風(fēng)險(xiǎn)分析為了直觀展示Boosting_FM模型在多因子量化選股應(yīng)用上是否有實(shí)質(zhì)性的提升，本節(jié)選取Boosting中的XGBoost和LGBM模型，....

圖2.1集成學(xué)習(xí)模型

重慶大學(xué)碩士學(xué)位論文5實(shí)證分析及模型優(yōu)化325.2Boosting_FM模型與其他模型的回測(cè)組合比較5.2.1收益及風(fēng)險(xiǎn)分析由上節(jié)內(nèi)容可以知道，Boosting_FM模型在與Boosting本身進(jìn)行對(duì)比時(shí)顯示出了明顯的優(yōu)勢(shì)，在回測(cè)結(jié)果上取得了不錯(cuò)的收益，然而僅僅是模型自身與基準(zhǔn)指....

圖2.2FM模型結(jié)構(gòu)

重慶大學(xué)碩士學(xué)位論文5實(shí)證分析及模型優(yōu)化355.3策略優(yōu)化5.3.1滾動(dòng)周期對(duì)比在傳統(tǒng)的機(jī)器學(xué)習(xí)應(yīng)用中，訓(xùn)練數(shù)據(jù)越多，越可以讓模型得到充分訓(xùn)練，在預(yù)測(cè)的時(shí)候也可以更加準(zhǔn)確，尤其在深度學(xué)習(xí)模型中，如果數(shù)據(jù)較少可能會(huì)導(dǎo)致模型學(xué)習(xí)不足，預(yù)測(cè)出現(xiàn)欠擬合的情況。但是股票市場(chǎng)上，過于久遠(yuǎn)的數(shù)....

圖2.3BoostingFM模型結(jié)構(gòu)

本文編號(hào)：3908715