自2018年3月23日中美貿易戰(zhàn)爆發(fā)以來,中國A股市場全面走低。截至6月22日,滬深兩地股市總市值縮減70642億元人民幣,股東損失慘重。研究如何有效防范大盤帶來的系統(tǒng)風險對每一個股市投資者來說意義重大。Alpha策略作為量化投資眾多策略模型的一種,通過做多股票的同時做空股指期貨,當市場暴跌時,股指期貨上的盈利可以彌補股票持倉帶來的的損失。Alpha策略旨在追求與市場漲跌相關性比較低的絕對收益,除了能夠有效防范大盤帶來的系統(tǒng)風險,還可防止單邊做多資金被套牢的情況出現(xiàn)。成功實施Alpha策略的關鍵在于選股模型的構建,這在很大程度上依賴于模型對估值類、財務類,償債能力類等因素的把握能力。首先,本文以A股市場中小板企業(yè)931只股票作為股票池,選取了最近六年28個常見的因子值作為特征變量,以下個月股票收益率作為標簽值,構造了一個二分類問題:當下月收益率大于0記作“1”,當下月收益率小于0記作“0”,然后按照收益率取“1”的概率從大到小選取股票構建股票組合。接著對股票組合進行回測,讓股票組合和大盤指數（滬深300指數）進行對比,看是否能夠跑贏大盤,如果跑贏大盤說明構造的股票組合能夠獲取正的Alp... 

【文章來源】：浙江工商大學浙江省

【文章頁數】：80 頁

【學位級別】：碩士

【部分圖文】：

特征變量相關性熱力圖

圖３－２默認參數下ＸＧＢｏｏｓｔ的ＲＯＣ曲線圖??用的方法是一次選擇模型的兩個參數在給定的范圍內取值，因為參數會使搜索變得很慢，最后選擇模型ＡＵＣ值最大時對應的參果。經過測試發(fā)現(xiàn)，并非所有的參數都會對ＡＵＣ值造成顯著影改變會使得模型呈現(xiàn)隨機變化或基本不變的狀態(tài)，這類參數只需認值即可，最終需要使用網格搜索法優(yōu)化的參數是ｍａｘ＿ｄｅｐｔｈｘ＿ｄｅｐｔｈ＝（３，?４，?５，?６，?７，?８），?ｓｕｂｓａｍｐｌｅ＝?（０？?６，?０？?７，０．?８，?０．?９），結果如表?

第四節(jié)構建Ｓｔａｃｋｉｎｇ集成框架??一、各個分類器分類效果對比??通過第三章對Ｓｔａｃｋｉｎｇ集成框架原理的介紹可知，Ｓｔａｃｋｉｎｇ通過采用堆疊的??技術可以將多個不同的模型融合在一起。這個“不同的模型”既包括不同類型的??模型，如Ｋ－ＮＮ、ＳＶＭ、ｌｉｇｈｔＧＢＭ、ＲＦ、ＸＧＢｏｏｓｔ等，又包括設置不同參數的??同一模型。Ｓｔａｃｋｉｎｇ集成效果的好壞主要取決于兩點：首先是第一層基分類器的??分類效果，如果基分類器的分類能力越強，那么Ｓｔａｃｋｉｎｇ集成學習的效果自然是??水漲船高；然后另一個比較重要的方面就是取決于基分類器的多樣性，只有當選??取的基分類器各有所長，能夠優(yōu)劣互補，各個基分類器結合在一起才能產生比較??

【參考文獻】：
期刊論文
[1]淺議量化選股與定性選股[J]. 楊君岐,郭虹澤,楊鵬程,李齊.  時代金融. 2017(06)
[2]隨機森林在量化選股中的應用研究[J]. 王淑燕,曹正鳳,陳銘芷.  運籌與管理. 2016(03)
[3]中國股市“反向效應”和“動量效應”研究[J]. 朱仕青.  中國市場. 2015(38)
[4]基于Alpha策略的量化投資研究[J]. 楊喻欽.  中國市場. 2015(25)
[5]使用隨機森林算法實現(xiàn)優(yōu)質股票的選擇[J]. 曹正鳳,紀宏,謝邦昌.  首都經濟貿易大學學報. 2014(02)
[6]量化投資盛行對中國資本市場的影響[J]. 唐煒怡,孟小菊,鄢方方.  經營管理者. 2013(31)
[7]核主成分遺傳算法與SVR選股模型改進[J]. 蘇治,傅曉媛.  統(tǒng)計研究. 2013(05)
[8]灰色神經網絡在股價預測中的應用研究[J]. 張秋明,朱紅莉.  計算機工程與應用. 2013(12)
[9]我國股票市場的行業(yè)阿爾法動量效應——基于正反饋交易模型的實證分析[J]. 王嵩.  世界經濟情況. 2011 (01)
[10]上市公司財務指標與股票價格定位的實證分析——以深市中小板上市公司為例[J]. 趙培騫,王德華.  東方企業(yè)文化. 2007(03)

碩士論文
[1]基于stacking組合的文本情感分類研究[D]. 袁策書.華中師范大學 2017
[2]基于XGBoost算法的多因子量化選股方案策劃[D]. 李想.上海師范大學 2017
[3]基于GARCH類模型的滬深300股指期貨極值風險研究[D]. 于亞楠.天津大學 2017
[4]基于SOM算法的軌跡聚類選股策略[D]. 徐步云.浙江工商大學 2015
[5]量化交易在中國股市的應用[D]. 王俊杰.南京大學 2013
[6]中國股票市場選股模型實證分析[D]. 吳荻.復旦大學 2011



本文編號：3473958