近幾年隨著移動(dòng)互聯(lián)時(shí)代的到來(lái),新興媒體的快速崛起在金融投資領(lǐng)域得到深刻體現(xiàn)。愈來(lái)愈多的投資者活躍在股吧、微博、雪球等論壇、博客,產(chǎn)生豐富的網(wǎng)絡(luò)輿情數(shù)據(jù)。行為金融學(xué)的不斷發(fā)展為網(wǎng)絡(luò)輿情的研究提供了基礎(chǔ)。網(wǎng)絡(luò)輿情是投資者關(guān)注度及投資者情緒的即時(shí)反映,“如何讓日益豐富的網(wǎng)絡(luò)輿情幫助我們優(yōu)化投資組合”成為有價(jià)值的議題。與此同時(shí),量化投資和人工智能的進(jìn)步為網(wǎng)絡(luò)輿情的應(yīng)用創(chuàng)造了技術(shù)條件。隨著中國(guó)金融市場(chǎng)的日益成熟,學(xué)界和業(yè)界都將機(jī)器學(xué)習(xí)助力量化投資作為研究目標(biāo)和發(fā)展方向。在此背景下,本文以東方財(cái)富股吧的個(gè)股評(píng)論情感本文作為情緒數(shù)據(jù),選取滬深300成分股為研究對(duì)象,以18年1月1日至20年12月31日為整體研究區(qū)間,利用隨機(jī)森林和XGBoost算法日頻滾動(dòng)預(yù)測(cè)構(gòu)造投資組合,多角度分析不同條件下本文模型分類預(yù)測(cè)與投資組合回測(cè)效果,以論證本文核心問(wèn)題。研究結(jié)果表明:(1)基于股吧輿情構(gòu)建動(dòng)態(tài)投資組合優(yōu)化模型存在可行性,能夠?qū)崿F(xiàn)領(lǐng)先市場(chǎng)基準(zhǔn)的預(yù)期收益。(2)股吧輿情指標(biāo)的加入能提高本文模型的分類效果,能夠優(yōu)化股票投資組合的回測(cè)收益。(3)股吧輿情指標(biāo)在股票分類預(yù)測(cè)模型中的重要性,與其他股票日數(shù)據(jù)重要性相當(dāng);...

【文章頁(yè)數(shù)】：78 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖3.1ROC曲線

碩士學(xué)位論文28型對(duì)于兩類數(shù)據(jù)的區(qū)分度大校在這種情況下acc不能完全作為模型評(píng)價(jià)的標(biāo)準(zhǔn)，而是應(yīng)當(dāng)觀察閾值不斷調(diào)整過(guò)程中模型的效果，因此研究者們提出基于此原理的ROC曲線。如圖3.1：圖3.1ROC曲線ROC曲線通過(guò)繪制模型預(yù)測(cè)概率在不同閾值下的TPR和FPR來(lái)判斷模型的效果。其中....

圖4.3單只股票（600741）投資者情緒指標(biāo)Senb5與Senb日度趨勢(shì)水平圖

碩士學(xué)位論文37圖4.3單只股票（600741）投資者情緒指標(biāo)Senb5與Senb日度趨勢(shì)水平圖圖中趨勢(shì)可以證明，基于此原理的個(gè)股投資者情緒指標(biāo)確實(shí)在交易日的變動(dòng)更為連續(xù)和合理。因此本文將生成的情緒指標(biāo)都進(jìn)行改進(jìn)，構(gòu)造出新的股吧投資者情緒指標(biāo)（Senb5）、關(guān)注度指標(biāo)（Atten....

圖4.8分類效果較好時(shí)特征的重要性排名（前20）

碩士學(xué)位論文43從兩張圖的對(duì)比可以觀察到，隨機(jī)森林18年下半年時(shí)無(wú)輿情特征模型表現(xiàn)略高于有輿情特征模型，但很快被有輿情特征模型追上并趕超，此后有輿情特征模型的表現(xiàn)一直優(yōu)于無(wú)輿情特征模型。而XGB模型則在引入輿情特征后，分類效果一直優(yōu)于無(wú)輿情特征的模型。這證明了上文的假設(shè)，即引入輿....

圖4.9分類效果欠佳時(shí)特征的重要性排名（前20）

碩士學(xué)位論文44如圖4.8所示，在回測(cè)時(shí)段2020年12月，模型的AUC值為0.59，屬于效果較好情況。此時(shí)排名前20的特征中，有五個(gè)輿情指標(biāo)，按照排名分別是（Disag20）20日情緒一致性，（Atten20）20日投資者關(guān)注度，（Senb5）近5日個(gè)股投資者情緒，（Senb2....

本文編號(hào)：4020322