在大數(shù)據(jù)時(shí)代到來的當(dāng)下,數(shù)據(jù)充斥著我們?nèi)粘；顒?dòng)的方方面面,它在社會(huì)生活中扮演著極其重要的角色。在數(shù)據(jù)中我們能發(fā)現(xiàn)許多事物之間的內(nèi)在聯(lián)系,找尋有價(jià)值的信息。例如,通過對(duì)市場(chǎng)調(diào)研中消費(fèi)者的滿意調(diào)查數(shù)據(jù),可以發(fā)現(xiàn)當(dāng)下消費(fèi)者的消費(fèi)傾向然后以此調(diào)整經(jīng)營(yíng)策略;當(dāng)教育研究者想了解某一群體學(xué)生的學(xué)習(xí)情況,可以通過平時(shí)表現(xiàn)、考試成績(jī)等數(shù)據(jù)了解學(xué)生的學(xué)習(xí)情況,發(fā)掘?qū)W生存在的問題,以進(jìn)一步制定相應(yīng)的學(xué)習(xí)計(jì)劃等等。在這些看似無用、凌亂且海量的數(shù)據(jù)中存在著極其有價(jià)值的信息等著后人發(fā)掘。同樣在金融研究中,我們能在金融數(shù)據(jù)中發(fā)現(xiàn)經(jīng)濟(jì)運(yùn)行的規(guī)律,成為現(xiàn)代金融研究中重要的實(shí)證依據(jù)。量化投資依托于傳統(tǒng)投資理論,運(yùn)用計(jì)算機(jī)高效的運(yùn)算速度,提高研究的效率,以適應(yīng)當(dāng)前高速發(fā)展的今天,逐漸受到廣大投資者的關(guān)注與喜愛。近年來,我國(guó)金融市場(chǎng)資金活動(dòng)頻繁,規(guī)模也日益壯大,如何在復(fù)雜多變的金融市場(chǎng)獲取高額的回報(bào)率是每個(gè)金融投資者和研究者們非常關(guān)注的事情。在日常的市場(chǎng)活動(dòng)中,研究者們不斷的豐富投資理論,利用數(shù)學(xué)方法對(duì)金融數(shù)據(jù)進(jìn)行有效的處理,得到了許多能反映市場(chǎng)變動(dòng)的新指標(biāo),為廣大投資者提供了非常好的參考依據(jù),奠定了量化研究的研究熱潮。新的指標(biāo)和理論的創(chuàng)新都需要處理大量的數(shù)據(jù),需要運(yùn)用更多的數(shù)學(xué)方法等,這些都使的人們?cè)絹碓疥P(guān)注量化投資的研究。本文以多因子選股模型作為研究的依據(jù),旨在研究量化選股的相關(guān)理論,同時(shí)加入隨機(jī)森林算法和模糊C均值聚類算法,驗(yàn)證新的算法能否適應(yīng)市場(chǎng)規(guī)律同時(shí)達(dá)到提高多因子選股模型的說服力的目的。具體而言,本文選取滬深A(yù)股中流通市值排名前200的股票作為研究依據(jù),以2009年到2017年的交易和財(cái)務(wù)數(shù)據(jù)進(jìn)行預(yù)處理,選取了 15個(gè)常見的候選因子進(jìn)行選股的驗(yàn)證,通過各因子下股票組合的累計(jì)超額收益、戰(zhàn)勝市場(chǎng)基準(zhǔn)概率、隨機(jī)森林變量重要性等評(píng)價(jià)指標(biāo)選取了 9個(gè)有效因子,并采用模糊C均值聚類算法的原理對(duì)有效因子聚類,在選取各類中表現(xiàn)最好的指標(biāo)作為最終的選股依據(jù),其他因子作為冗余因子剔除模型外;在剔除冗余后,采用等權(quán)重的方法在檢驗(yàn)期對(duì)樣本股的各有效因子進(jìn)行打分,在加總各因子分?jǐn)?shù)的大小,獲得各樣本股的綜合得分的大小,選取評(píng)分20%的股票作為投資組合,檢驗(yàn)投資組合的實(shí)際績(jī)效表現(xiàn)。實(shí)證結(jié)果表明,隨機(jī)森林分類原理中對(duì)變量重要性的描述非常適合有效因子的選取,通過訓(xùn)練各期的分類結(jié)果,統(tǒng)計(jì)其在整個(gè)模型期的重要性排序靠前的概率,若能較大幾率其重要性都非常高,則可以說其在整個(gè)時(shí)期對(duì)收益變動(dòng)的重要性非常高,在實(shí)證中大部分時(shí)期分類錯(cuò)誤率都較低,效果顯著,獲得的重要的因子都能很大概率跑贏市場(chǎng),因此可以作為有效因子選取的依據(jù);模糊C均值聚類算法對(duì)因子間模糊概念的處理較好地說明金融變量間復(fù)雜的關(guān)聯(lián),其提出的隸屬度概念將變量聚為某類的依據(jù)描述為變量隸屬于該類的大小,最大隸屬度所在的類就將其分為某類;將上述兩種算法加入多因子選股模型形成的投資組合在檢驗(yàn)期都能跑贏市場(chǎng)基準(zhǔn)收益,獲得了較高的超額收益,使投資者決策的參考方向更加豐富。
【學(xué)位單位】：安徽大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：F832.51
【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    一、選題背景和研究意義
        (一) 選題背景
        (二) 研究意義
    二、國(guó)內(nèi)外研究現(xiàn)狀
        (一) 國(guó)外研究綜述
        (二) 國(guó)內(nèi)研究現(xiàn)狀
        (三) 文獻(xiàn)述評(píng)
    三、主要內(nèi)容安排及研究方法
        (一) 主要內(nèi)容安排
        (二) 研究方法
    四、研究框架
    五、創(chuàng)新點(diǎn)與不足之處
        (一) 創(chuàng)新點(diǎn)
        (二) 不足之處
第二章 量化選股模型理論概念
    一、多因子選股基本概述
    二、多因子選股理論基礎(chǔ)
        (一) CAPM理論
        (二) 套利定價(jià)理論(APT)
        (三) Fama-French三因素模型
    三、多因子選股模型的框架
        (一) 候選因子
        (二) 候選因子有效性的檢驗(yàn)
        (三) 冗余因子的剔除
        (四) 綜合評(píng)分模型構(gòu)建投資組合
    四、模型績(jī)效評(píng)價(jià)標(biāo)準(zhǔn)
        (一) 收益率評(píng)價(jià)指標(biāo)
        (二) 風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)
第三章 相關(guān)算法的理論概述及適用性
    一、隨機(jī)森林分類算法及適用性
    二、模糊C均值聚類算法及適用性
第四章 實(shí)證研究
    一、數(shù)據(jù)的選取和因子的選取
    二、有效因子的檢驗(yàn)
        (一) 隨機(jī)森林實(shí)證檢驗(yàn)
        (二) 有效因子篩選
    三、有效但冗余因子的剔除
    四、投資組合的構(gòu)建
    五、模型結(jié)果評(píng)價(jià)
第五章 總結(jié)與展望
    一、總結(jié)
    二、展望與建議
參考文獻(xiàn)
致謝
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳一諾;董紹華;;基于隨機(jī)森林算法的管道缺陷預(yù)測(cè)方法[J];油氣儲(chǔ)運(yùn);年期

2 劉陽;杜華軍;岳子涵;馬杰;呂武;;基于隨機(jī)森林的無人機(jī)檢測(cè)方法[J];計(jì)算機(jī)工程與應(yīng)用;年期

3 胡蝶;;基于隨機(jī)森林的債券違約分析[J];當(dāng)代經(jīng)濟(jì);2018年03期

4 溫博文;董文瀚;解武杰;馬駿;;基于改進(jìn)網(wǎng)格搜索算法的隨機(jī)森林參數(shù)優(yōu)化[J];計(jì)算機(jī)工程與應(yīng)用;2018年10期

5 趙藝淞;楊昆;王保云;黎曉路;;隨機(jī)森林在城市不透水面提取中的應(yīng)用研究[J];云南師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2017年03期

6 吳辰文;梁靖涵;王偉;李長(zhǎng)生;;一種順序響應(yīng)的隨機(jī)森林:變量預(yù)測(cè)和選擇[J];小型微型計(jì)算機(jī)系統(tǒng);2017年08期

7 顧娟;林敏;鞠桂玲;;基于隨機(jī)森林回歸的軍械器材需求預(yù)測(cè)[J];自動(dòng)化應(yīng)用;2017年09期

8 劉迎春;陳梅玲;;流式大數(shù)據(jù)下隨機(jī)森林方法及應(yīng)用[J];西北工業(yè)大學(xué)學(xué)報(bào);2015年06期

9 羅超;;面向高維數(shù)據(jù)的隨機(jī)森林算法優(yōu)化探討[J];商;2016年04期

10 楊曉峰;嚴(yán)建峰;劉曉升;楊璐;;深度隨機(jī)森林在離網(wǎng)預(yù)測(cè)中的應(yīng)用[J];計(jì)算機(jī)科學(xué);2016年06期

相關(guān)博士學(xué)位論文 前10條

1 王曉軍;基于大數(shù)據(jù)的風(fēng)洞馬赫數(shù)集成建模方法的研究[D];東北大學(xué);2016年

2 王鑫;基于隨機(jī)森林的認(rèn)知網(wǎng)絡(luò)頻譜感知算法研究[D];東北大學(xué);2016年

3 姚登舉;面向醫(yī)學(xué)數(shù)據(jù)的隨機(jī)森林特征選擇及分類方法研究[D];哈爾濱工程大學(xué);2016年

4 黃玥;VANET信息安全問題及異常檢測(cè)技術(shù)研究[D];吉林大學(xué);2017年

5 倪強(qiáng);基于隨機(jī)前沿和隨機(jī)森林法的沿海開發(fā)區(qū)發(fā)展效率研究[D];天津大學(xué);2011年

6 季斌;內(nèi)蒙古浩布高地區(qū)多金屬礦綜合信息找礦預(yù)測(cè)研究[D];合肥工業(yè)大學(xué);2017年

7 雷震;隨機(jī)森林及其在遙感影像處理中應(yīng)用研究[D];上海交通大學(xué);2012年

8 金超;基于隨機(jī)森林的醫(yī)學(xué)影像分割算法研究及應(yīng)用[D];蘇州大學(xué);2017年

9 李寶富;巨厚礫巖層下回采巷道底板沖擊地壓誘發(fā)機(jī)理研究[D];河南理工大學(xué);2014年

10 趙東;基于群智能優(yōu)化的機(jī)器學(xué)習(xí)方法研究及應(yīng)用[D];吉林大學(xué);2017年

相關(guān)碩士學(xué)位論文 前10條

1 葉蓓;WorldView-3數(shù)據(jù)的巖性信息自動(dòng)提取方法研究[D];中國(guó)地質(zhì)大學(xué)(北京);2018年

2 高聰;基于隨機(jī)森林的不平衡大數(shù)據(jù)分類算法研究[D];東北電力大學(xué);2018年

3 閆東陽;基于對(duì)象的隨機(jī)森林遙感分類方法優(yōu)化[D];中國(guó)地質(zhì)大學(xué)(北京);2018年

4 吳衛(wèi)星;隨機(jī)森林在技術(shù)指標(biāo)量化選股中的應(yīng)用[D];電子科技大學(xué);2018年

5 張向前;機(jī)器學(xué)習(xí)在輻射源信號(hào)指紋識(shí)別中的應(yīng)用研究[D];電子科技大學(xué);2018年

6 王夢(mèng)芹;基于隨機(jī)森林的個(gè)人信用評(píng)價(jià)指標(biāo)分析[D];安徽大學(xué);2018年

7 談小雨;基于情感時(shí)序距離的文本情感分類和情感主體識(shí)別方法研究[D];安徽大學(xué);2018年

8 蘇靖宇;多因子選股模型在A股市場(chǎng)上的實(shí)證研究[D];安徽大學(xué);2018年

9 劉建航;大數(shù)據(jù)環(huán)境下異常通話行為檢測(cè)的研究[D];北京郵電大學(xué);2018年

10 羅斌杰;基于隨機(jī)森林的心臟病預(yù)測(cè)平臺(tái)的設(shè)計(jì)與實(shí)現(xiàn)[D];北京郵電大學(xué);2018年

本文編號(hào)：2846382