本文選題：量化投資　切入點(diǎn)：多因子模型　出處：《浙江工商大學(xué)》2017年碩士論文

【摘要】：本文主要是研究如何將傳統(tǒng)多因子模型和機(jī)器學(xué)習(xí)算法結(jié)合在一起,構(gòu)建基于SVM算法的多因子選股模型。通過該模型,從滬深300成份股中選取具有投資價(jià)值的股票構(gòu)建投資組合,以期能夠獲得穩(wěn)健的超額收益。這既豐富了多因子選股模型的構(gòu)建方法,同時(shí)也為其他一些方法的引進(jìn)提供很好的思路和借鑒。本文選取滬深300成份股2010-01至2016-12每月最后一個(gè)交易日的因子截面數(shù)據(jù)作為數(shù)據(jù)樣本,其中2010-01至2012-12數(shù)據(jù)作為模型參數(shù)訓(xùn)練樣本,2013-01至2016-12數(shù)據(jù)作為樣本外回測(cè),模型構(gòu)建流程主要分為數(shù)據(jù)預(yù)處理、因子有效性檢驗(yàn)、模型參數(shù)優(yōu)化、模型構(gòu)建與結(jié)果分析、模型拓展與優(yōu)化五個(gè)部分。本文構(gòu)建的選股模型在2013-2016年4年間累計(jì)收益率為85.37%,年化收益率達(dá)到20.54%,遠(yuǎn)遠(yuǎn)超出同期對(duì)比基準(zhǔn)(滬深300指數(shù))的業(yè)績(jī)表現(xiàn),通過分位組比較分析可以發(fā)現(xiàn),模型業(yè)績(jī)隨著分位組變化具有顯著的遞減趨勢(shì),說明本文的模型對(duì)股票分類的效果明顯,能夠有效區(qū)分強(qiáng)勢(shì)股和弱勢(shì)股。將模型與離線學(xué)習(xí)模型進(jìn)行對(duì)比分析,可以發(fā)現(xiàn)超額累計(jì)收益率走勢(shì)相差較大,證明本文模型通過在線學(xué)習(xí)可以更好地對(duì)股票進(jìn)行分類,能夠不斷適應(yīng)市場(chǎng)環(huán)境的變化。另外在模型的拓展與優(yōu)化方面,為了保證因子的時(shí)效性,在原模型基礎(chǔ)上建立因子輪動(dòng)分析模型,以及依據(jù)預(yù)測(cè)概率來進(jìn)行股票組合權(quán)重的設(shè)置,都能一定程度上改進(jìn)模型效果。
[Abstract]:This paper mainly studies how to combine the traditional multi - factor model with the machine learning algorithm to construct a multi - factor stock selection model based on the SVM algorithm .

【學(xué)位授予單位】：浙江工商大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：F832.51

【參考文獻(xiàn)】

相關(guān)期刊論文 前6條

1 曹正鳳;紀(jì)宏;謝邦昌;;使用隨機(jī)森林算法實(shí)現(xiàn)優(yōu)質(zhì)股票的選擇[J];首都經(jīng)濟(jì)貿(mào)易大學(xué)學(xué)報(bào);2014年02期

2 徐永春;;基于SVM技術(shù)的套期保值模型的實(shí)證分析[J];統(tǒng)計(jì)與決策;2013年16期

3 蘇治;傅曉媛;;核主成分遺傳算法與SVR選股模型改進(jìn)[J];統(tǒng)計(jì)研究;2013年05期

4 王艷萍;陳志平;陳玉娜;;多因子投資組合選擇模型研究[J];工程數(shù)學(xué)學(xué)報(bào);2012年06期

5 殷鑫;鄭豐;崔積鈺;趙莊;;基于價(jià)值投資的Piotroski選股策略實(shí)證研究[J];時(shí)代金融;2012年23期

6 胡小平;計(jì)算投資組合風(fēng)險(xiǎn)的改進(jìn)支持向量機(jī)方法[J];數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究;2005年05期

相關(guān)碩士學(xué)位論文 前10條

1 丁涵怡;非線性框架下指數(shù)期貨套利策略研究[D];浙江大學(xué);2014年

2 張偉;支持向量分類機(jī)（SVC）在量化選股中的應(yīng)用[D];山東大學(xué);2014年

3 王昭棟;多因子選股模型在中國(guó)股票市場(chǎng)的實(shí)證分析[D];山東大學(xué);2014年

4 江方敏;基于多因子量化模型的A股投資組合選股分析[D];西南交通大學(xué);2013年

5 鄒振華;基于文本挖掘的量化投資系統(tǒng)[D];華南理工大學(xué);2013年

6 孫守坤;基于滬深300的量化選股模型實(shí)證分析[D];復(fù)旦大學(xué);2013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 劉毅;因子選股模型在中國(guó)市場(chǎng)的實(shí)證研究[D];復(fù)旦大學(xué);2012年

9 陳軍華;基于多分類支持向量機(jī)的選股模型研究[D];華中科技大學(xué);2010年

10 汪洋;基于估值與業(yè)績(jī)的選股策略有效性研究[D];電子科技大學(xué);2010年

，

本文編號(hào)：1721291