發(fā)布時(shí)間：2024-05-23 01:20

　　近年來(lái),將機(jī)器學(xué)習(xí)應(yīng)用于量化投資領(lǐng)域在學(xué)界和業(yè)界都是非常重要的研究課題,機(jī)器學(xué)習(xí)具有超強(qiáng)的數(shù)據(jù)處理能力,可以幫助投資者處理股票市場(chǎng)龐雜的數(shù)據(jù)信息,在量化投資領(lǐng)域有著極強(qiáng)的發(fā)展?jié)摿�。與此同時(shí),隨著A股市場(chǎng)IPO常態(tài)化不斷推進(jìn),次新股的投資環(huán)境發(fā)生了巨大變化,投資者急需探索新的次新股投資方式。在此背景下,本文選擇了近年來(lái)表現(xiàn)突出的LightGBM算法,對(duì)次新股進(jìn)行量化投資研究,并構(gòu)建相應(yīng)的投資策略。本文首先對(duì)次新股進(jìn)行研究,分析了次新股的股價(jià)變動(dòng)特征以及IPO政策的影響,通過(guò)對(duì)Wind次新股指數(shù)與滬深300指數(shù)進(jìn)行比較分析,說(shuō)明次新股市場(chǎng)趨于理性、傳統(tǒng)投資方式很難獲得超額收益的現(xiàn)狀。隨后選取了 259個(gè)候選因子,以2016-2020年的A股市場(chǎng)次新股數(shù)據(jù)為樣本,利用LightGBM、XGBoost、SVM三種機(jī)器學(xué)習(xí)算法分別構(gòu)建選股模型,從定性和定量?jī)煞矫孢M(jìn)行比較,發(fā)現(xiàn)LightGBM算法在各方面都顯著優(yōu)于其他兩種算法。最后本文以選股模型為基礎(chǔ),結(jié)合A股市場(chǎng)交易規(guī)則,構(gòu)建了四種次新股投資策略,并進(jìn)行策略回測(cè),回測(cè)發(fā)現(xiàn),基于LightGBM算法持股十日的投資策略,年化收益率達(dá)到了 105.9...

【文章頁(yè)數(shù)】：77 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１－２研究框架??資料來(lái)源：作者歸納??

?基于機(jī)器學(xué)習(xí)ＬｉｇｈｔＧＢＭ算法的股票投資策略研究——以次新股為例???發(fā)展過(guò)程，總結(jié)機(jī)器學(xué)習(xí)量化投資的研宄理論。結(jié)合前沿文獻(xiàn)，判斷未來(lái)量化??投資行業(yè)的發(fā)展方向，評(píng)估機(jī)器學(xué)習(xí)量化投資的發(fā)展前景。??（２）定量分析法??利用定量的方法對(duì)各機(jī)器學(xué)習(xí)算法進(jìn)行比較；利用統(tǒng)計(jì)學(xué)方法對(duì)次....

圖２－４核函數(shù)原理??

?基于機(jī)器學(xué)習(xí)ＬｉｇｈｔＧＢＭ算法的股票投資策略研究一－以次新股為例???過(guò)擬合、高維度等問(wèn)題。??ＳＶＭ算法的機(jī)理是尋找一個(gè)滿足分類(lèi)要求的最優(yōu)分類(lèi)超平面，使得該超平面??在保證分類(lèi)精度的同時(shí)，能夠使超平面兩側(cè)的空白區(qū)域最大化。理論上，ＳＶＭ??能夠?qū)崿F(xiàn)對(duì)線性可分?jǐn)?shù)據(jù)的最優(yōu)分類(lèi)（....

圖２－３?ＳＶＭ線性分類(lèi)??

?基于機(jī)器學(xué)習(xí)ＬｉｇｈｔＧＢＭ算法的股票投資策略研究一－以次新股為例???過(guò)擬合、高維度等問(wèn)題。??ＳＶＭ算法的機(jī)理是尋找一個(gè)滿足分類(lèi)要求的最優(yōu)分類(lèi)超平面，使得該超平面??在保證分類(lèi)精度的同時(shí)，能夠使超平面兩側(cè)的空白區(qū)域最大化。理論上，ＳＶＭ??能夠?qū)崿F(xiàn)對(duì)線性可分?jǐn)?shù)據(jù)的最優(yōu)分類(lèi)（....

圖２－８直方圖差加速??

?基于機(jī)器學(xué)習(xí)ＬｉｇｈｔＧＢＭ算法的股票投資策略研究——以次新股為例???ＬｉｇｈｔＧＢＭ使用帶有深度限制的按葉子生長(zhǎng)（ｌｅａｆ－ｗｉｓｅ）的生長(zhǎng)策略，是??一種更為高效的策略。該方法在每層決策樹(shù)葉子進(jìn)行分裂時(shí)，找到分裂增益最??大的一個(gè)葉子，然后分裂，如此循環(huán)。Ｌｅａｆ－ｗｉｓ....

本文編號(hào)：3980798