大數(shù)據(jù)時(shí)代,深度學(xué)習(xí)算法的不斷完善豐富了量化投資領(lǐng)域的分析方法,在眾多量化投資策略中,多因子選股策略因其穩(wěn)定的收益而備受投資者青睞。本文借助Tushare Pro金融大數(shù)據(jù)平臺(tái)和聚寬量化交易平臺(tái),選取2009年10月至2019年3月滬深300各成分股日度數(shù)據(jù)作為研究對(duì)象,全面選取行情類、財(cái)務(wù)類、技術(shù)類和投資者情緒類四個(gè)類別共117個(gè)因子構(gòu)建初始因子池,利用集成思想綜合計(jì)算Pearson相關(guān)系數(shù)、距離相關(guān)系數(shù)、基于AIC準(zhǔn)則的Elastic Net、基于BIC準(zhǔn)則的Elastic Net、隨機(jī)森林和GBDT共六個(gè)模型對(duì)于各個(gè)因子的重要性進(jìn)行評(píng)分,篩選出68個(gè)因子;運(yùn)用自注意力神經(jīng)網(wǎng)絡(luò)模型,通過過去60個(gè)交易日的因子數(shù)據(jù),預(yù)測(cè)各成分股未來一個(gè)月的價(jià)格變動(dòng)趨勢(shì),按上漲概率大小選取出前50只股票按等權(quán)重的資金分配方式構(gòu)建投資組合,以月為周期進(jìn)行投資組合的更新。實(shí)證結(jié)果表明,該投資策略相比于滬深300指數(shù)具有更高的收益和較低的風(fēng)險(xiǎn)。
【部分圖文】：

格趨勢(shì)變動(dòng)，最終取得了更高的６１．獅３１：的累計(jì)收益??率。在最大回撤方面，兩者均在－７鬼左右，基本持平。Ａｌｐｈａ系數(shù)為（Ｕ３：，在比較基準(zhǔn)滬深??３００指數(shù)收益狀況較佳的情況下仍取得了一定的超額回報(bào)。Ｂｅｔａ系數(shù)為０．８７，說明交易策略收??益的變動(dòng)程度比滬深３００指數(shù)的變動(dòng)程度小，系統(tǒng)性風(fēng)險(xiǎn)在可接受范圍內(nèi)。最后再綜合夏普??比率、勝率、盈虧比和信息比率這四個(gè)指標(biāo)的計(jì)算結(jié)果，該段回測(cè)期中本文所建立的多因子選??股策略通過高勝率和高盈虧比在收益獲取和風(fēng)險(xiǎn)控制兩方面的表現(xiàn)均較佳。??圖４下跌趨勢(shì)階段策略交易與買入并持有滬深３００收益情況比較??（２）下跌趨勢(shì)下多因子量化選股策略的回測(cè)分析??在２０１５年６月至２０１５年８月（共５６個(gè)交易日）這段滬深３００指數(shù)具有明顯下跌趨勢(shì)的??時(shí)間段，該策略的效果表現(xiàn)如圖４和表５所示。由圖４和表５可以看出，根據(jù)多因子選股策略??

比率??１．５５??—??最大回撤ｐｉ??－２２．１０??－４６．７０??最大連續(xù)下跌次數(shù)??７??８??恩分?jǐn)?shù)??０．８７??—??策略類型中１表示多因子量化選股，〇表示買入并持有??２．５．３不同市場(chǎng)環(huán)境下多因子量化選股策略的回測(cè)分析??為更加全面地評(píng)估本文所構(gòu)建的多因子選股策略的有效性，本文從回測(cè)期中挑選出具有??上漲、下跌和震蕩趨勢(shì)的時(shí)間區(qū)間段，分別在這Ｈ種類別的時(shí)間段上對(duì)本文所建立的策略效??果與買入并持有滬深３００指數(shù)進(jìn)行比較分析。???策略交易?買入并持有??圖３上漲趨勢(shì)階段策略交易與買入并持有滬深３００收益情況比較??（１）上漲趨勢(shì)下多因子量化選股策略的回測(cè)分析??在２〇１｜年２月至２〇１｜年６月初講８４個(gè)交易日）這段滬深３００指數(shù)具有上漲趨勢(shì)的時(shí)??間段，該策略的效果表現(xiàn)如圖３和表§所示。??
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 奚文湘;由多因子目標(biāo)提供的Fz信息比值確定權(quán)重法[J];鎮(zhèn)江船舶學(xué)院學(xué)報(bào);1989年01期

2 安希忠,林秀梅;多因子實(shí)驗(yàn)的權(quán)與譜系效應(yīng)空間[J];工程數(shù)學(xué)學(xué)報(bào);1989年03期

3 趙光榮;;多因子模糊評(píng)審及其應(yīng)用實(shí)例[J];系統(tǒng)工程;1983年01期

4 王春麗;劉光;王齊;;多因子量化選股模型與擇時(shí)策略[J];東北財(cái)經(jīng)大學(xué)學(xué)報(bào);2018年05期

5 董曉波;常裕琦;;基于因子IC的多因子量化選股模型及績(jī)效分析[J];長(zhǎng)春理工大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版);2019年06期

6 周志中;徐杰;;中美股市配對(duì)因子實(shí)證分析[J];系統(tǒng)管理學(xué)報(bào);2020年02期

7 吳紹敏;;多因子交叉分級(jí)跟蹤預(yù)報(bào)法[J];福建師大學(xué)報(bào)(自然科學(xué)版);1977年02期

8 何霞;劉衛(wèi)鋒;;基于模糊層次分析法的選股決策[J];長(zhǎng)春大學(xué)學(xué)報(bào);2011年06期

9 王倫;;基于深度森林的選股策略[J];經(jīng)濟(jì)研究導(dǎo)刊;2019年27期

10 張磊;;市盈率作為選股指標(biāo)的有效性研究[J];廣東財(cái)經(jīng)職業(yè)學(xué)院學(xué)報(bào);2007年02期

相關(guān)博士學(xué)位論文 前1條

1 梁超;量化投資模型適應(yīng)性研究[D];中央財(cái)經(jīng)大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 張恒昕;基于決策樹模型的多因子量化投資策略研究[D];東北大學(xué);2015年

2 李想;基于XGBoost算法的多因子量化選股方案策劃[D];上海師范大學(xué);2017年

3 王曉霞;基于成長(zhǎng)性的多因子選股模型的中國(guó)A股量化投資策略研究[D];浙江工商大學(xué);2020年

4 吳荻;中國(guó)股票市場(chǎng)選股模型實(shí)證分析[D];復(fù)旦大學(xué);2011年

5 姜辰辰;定量分析與定性分析相結(jié)合的選股模型[D];河北大學(xué);2009年

6 蔡健林;中國(guó)A股市場(chǎng)選股模型研究[D];上海交通大學(xué);2010年

7 鄒運(yùn);基于遺傳算法的風(fēng)格選股模型研究[D];東北財(cái)經(jīng)大學(xué);2012年

8 張靜;PEG指標(biāo)在中國(guó)股票市場(chǎng)有效性的實(shí)證研究[D];北京大學(xué);2008年

9 李麗仙;我國(guó)開放式證券投資基金選股與擇時(shí)能力的實(shí)證研究[D];對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué);2005年

10 肖鵬;基于SVM的選股算法研究[D];哈爾濱工業(yè)大學(xué);2007年

本文編號(hào)：2889545