本文關(guān)鍵詞：基于機(jī)器學(xué)習(xí)的量化選股研究

  更多相關(guān)文章： 量化投資 量化選股 機(jī)器學(xué)習(xí) 模式識(shí)別 動(dòng)量反轉(zhuǎn)

【摘要】：近年來,量化投資憑借其精力無限、依靠概率取勝和紀(jì)律性強(qiáng)的優(yōu)勢(shì)受到越來越多的關(guān)注。與西方成熟市場(chǎng)相比,我國(guó)量化投資還處于起步階段,存在量化投資產(chǎn)品規(guī)模小、策略缺乏多樣性、業(yè)績(jī)表現(xiàn)分化的不足。盡管如此,從我國(guó)實(shí)情來看,量化投資仍會(huì)有很廣闊的發(fā)展前景。因此,對(duì)于量化選股方法的理論及實(shí)踐進(jìn)行研究,構(gòu)建適合A股市場(chǎng)的選股策略,并以此指導(dǎo)投資者進(jìn)行量化投資有很重要的現(xiàn)實(shí)意義。股票市場(chǎng)是一個(gè)低信噪比的、復(fù)雜的非線性系統(tǒng),而機(jī)器學(xué)習(xí)在諸多領(lǐng)域如搜索和語音識(shí)別中均被證明是針對(duì)模糊非線性數(shù)據(jù)進(jìn)行建模的強(qiáng)有力工具,使用機(jī)器學(xué)習(xí)方法來構(gòu)建量化投資策略具有一定的天然優(yōu)勢(shì)。選股本質(zhì)是一個(gè)排序問題,投資者都希望能挑選出相對(duì)于其他股票在未來表現(xiàn)更好的股票,基于此,本文嘗試將機(jī)器學(xué)習(xí)領(lǐng)域中兩種較為成熟的學(xué)習(xí)排序算法GBDT和GBRank應(yīng)用到選股問題中。本文以技術(shù)分析為理論根據(jù),先后構(gòu)建了基于模式識(shí)別的短線選股策略和基于動(dòng)量和反轉(zhuǎn)效應(yīng)的長(zhǎng)線選股策略。前者根據(jù)個(gè)股在過去一個(gè)月內(nèi)的價(jià)格走勢(shì)形態(tài)構(gòu)來建特征向量,利用機(jī)器學(xué)習(xí)算法自動(dòng)進(jìn)行模式識(shí)別；后者以不同時(shí)間周期的動(dòng)量、反轉(zhuǎn)因子為基礎(chǔ)構(gòu)建特征向量,利用機(jī)器學(xué)習(xí)算法從大量數(shù)據(jù)中自動(dòng)學(xué)習(xí)動(dòng)量、反轉(zhuǎn)效應(yīng)在時(shí)間尺度上的分布規(guī)律。實(shí)驗(yàn)結(jié)果表明,采用GBDT排序算法的兩個(gè)策略,在過去4年的時(shí)間里均可大幅跑贏滬深300指數(shù),對(duì)交易者的投資決策具有一定的參考意義。本文的創(chuàng)新之處在于：將機(jī)器學(xué)習(xí)與技術(shù)分析結(jié)合,構(gòu)建了基于模式識(shí)別、以及基于動(dòng)量反轉(zhuǎn)效應(yīng)的量化選股策略,解決了傳統(tǒng)選股方法中的模式發(fā)掘困難、參數(shù)難確定等弊端；首次將信息檢索領(lǐng)域應(yīng)用較好的機(jī)器學(xué)習(xí)排序算法GBDT和GBRank引入到量化選股領(lǐng)域,實(shí)驗(yàn)證明使用GBDT算法的兩個(gè)策略有較強(qiáng)盈利性；對(duì)策略中特征向量的提取,做了一些降噪、引入分位數(shù)等數(shù)據(jù)上的處理,有利于提高機(jī)器學(xué)習(xí)的性能。
【關(guān)鍵詞】：量化投資 量化選股 機(jī)器學(xué)習(xí) 模式識(shí)別 動(dòng)量反轉(zhuǎn)
【學(xué)位授予單位】：山東大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：F832.51
【目錄】：

• 摘要10-11
• ABSTRACT11-13
• 1 緒論13-22
• 1.1 研究背景13-14
• 1.2 研究目標(biāo)及意義14-15
• 1.2.1 研究目標(biāo)14-15
• 1.2.2 研究意義15
• 1.3 量化選股研究現(xiàn)狀15-18
• 1.3.1 國(guó)外研究現(xiàn)狀16-17
• 1.3.2 國(guó)內(nèi)研究現(xiàn)狀17-18
• 1.4 研究方法與技術(shù)路線18-20
• 1.4.1 研究方法18-19
• 1.4.2 技術(shù)路線19-20
• 1.5 研究?jī)?nèi)容與論文結(jié)構(gòu)20
• 1.5.1 研究?jī)?nèi)容20
• 1.5.2 論文結(jié)構(gòu)20
• 1.6 創(chuàng)新點(diǎn)20-22
• 2 理論與方法基礎(chǔ)22-39
• 2.1 量化選股相關(guān)理論基礎(chǔ)22-27
• 2.1.1 模式識(shí)別23-25
• 2.1.2 動(dòng)量反轉(zhuǎn)效應(yīng)25-27
• 2.2 基于機(jī)器學(xué)習(xí)的排序算法27-38
• 2.2.1 GBDT算法30-35
• 2.2.2 GBRank算法35-38
• 2.3 本章小結(jié)38-39
• 3 基于模式識(shí)別的短線選股策略研究39-49
• 3.1 策略概述39-41
• 3.2 數(shù)據(jù)準(zhǔn)備41
• 3.3 特征提取41-43
• 3.4 模型訓(xùn)練43-45
• 3.4.1 基于GBDT與模式識(shí)別的排序模型訓(xùn)練43-44
• 3.4.2 基于GBRank與模式識(shí)別的排序模型訓(xùn)練44-45
• 3.5 實(shí)驗(yàn)結(jié)果與分析45-47
• 3.5.1 評(píng)價(jià)標(biāo)準(zhǔn)45
• 3.5.2 基于GBDT與模式識(shí)別的排序模型實(shí)驗(yàn)結(jié)果與分析45-46
• 3.5.3 基于GBRank與模式識(shí)別的排序模型實(shí)驗(yàn)結(jié)果與分析46-47
• 3.6 本章小結(jié)47-49
• 4 基于動(dòng)量和反轉(zhuǎn)效應(yīng)的長(zhǎng)線選股策略研究49-58
• 4.1 策略概述49-50
• 4.2 數(shù)據(jù)準(zhǔn)備50-51
• 4.3 特征提取51-52
• 4.4 模型訓(xùn)練52-54
• 4.4.1 基于GBDT與動(dòng)量反轉(zhuǎn)效應(yīng)的排序模型訓(xùn)練52-54
• 4.4.2 基于GBRank與動(dòng)量反轉(zhuǎn)效應(yīng)的排序模型訓(xùn)練54
• 4.5 實(shí)驗(yàn)結(jié)果與分析54-56
• 4.5.1 評(píng)價(jià)標(biāo)準(zhǔn)54-55
• 4.5.2 基于GBDT與動(dòng)量反轉(zhuǎn)效應(yīng)的排序模型實(shí)驗(yàn)結(jié)果與分析55-56
• 4.5.3 基于GBRank與動(dòng)量反轉(zhuǎn)效應(yīng)的排序模型實(shí)驗(yàn)結(jié)果與分析56
• 4.6 本章小結(jié)56-58
• 5 總結(jié)與展望58-60
• 5.1 總結(jié)58
• 5.2 展望58-60
• 參考文獻(xiàn)60-66
• 致謝66-67
• 學(xué)位論文評(píng)閱及答辯情況表67

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫 前10條

1 賀英杰;葉宗民;金吉學(xué);;機(jī)器學(xué)習(xí)在入侵檢測(cè)中的應(yīng)用綜述[J];計(jì)算機(jī)安全;2010年03期

2 袁鼎榮;;淺談《機(jī)器學(xué)習(xí)》的課程教學(xué)方法[J];廣西經(jīng)濟(jì)管理干部學(xué)院學(xué)報(bào);2010年04期

3 李航;;機(jī)器學(xué)習(xí)正在改變我們的工作與生活[J];中國(guó)科技財(cái)富;2011年15期

4 井田;朱玉琴;;多側(cè)面遞進(jìn)算法在機(jī)器學(xué)習(xí)中的應(yīng)用[J];科技創(chuàng)新導(dǎo)報(bào);2012年11期

5 ;“第12屆中國(guó)機(jī)器學(xué)習(xí)會(huì)議”征文[J];科技導(dǎo)報(bào);2009年19期

6 ;傳漾:AdPlace[J];成功營(yíng)銷;2013年03期

7 白朝陽;;美國(guó)國(guó)安局:防不勝防的“信息竊賊”[J];中國(guó)經(jīng)濟(jì)周刊;2013年24期

8 ;“第12屆中國(guó)機(jī)器學(xué)習(xí)會(huì)議”征文[J];科技導(dǎo)報(bào);2009年21期

9 井超;陳立潮;;機(jī)器學(xué)習(xí)在科技成果評(píng)估專家系統(tǒng)中的應(yīng)用[J];科技情報(bào)開發(fā)與經(jīng)濟(jì);2006年07期

10 丁未;;機(jī)器學(xué)習(xí)為代表的人工智能在儀器儀表工業(yè)中的應(yīng)用展望[J];中國(guó)儀器儀表;2014年08期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫 前10條

1 王玨;;歸納機(jī)器學(xué)習(xí)[A];2001年中國(guó)智能自動(dòng)化會(huì)議論文集（上冊(cè)）[C];2001年

2 王昊;李銀波;紀(jì)志梁;;利用機(jī)器學(xué)習(xí)方法預(yù)測(cè)嚴(yán)重藥物不良反應(yīng)-呼吸困難[A];中國(guó)化學(xué)會(huì)第28屆學(xué)術(shù)年會(huì)第13分會(huì)場(chǎng)摘要集[C];2012年

3 吳滄浦;;智能系統(tǒng)與機(jī)器學(xué)習(xí)的新領(lǐng)域[A];西部大開發(fā) 科教先行與可持續(xù)發(fā)展——中國(guó)科協(xié)2000年學(xué)術(shù)年會(huì)文集[C];2000年

4 周晴杰;徐立鴻;吳啟迪;;機(jī)器學(xué)習(xí)串級(jí)結(jié)構(gòu)的初步探討[A];1998年中國(guó)控制會(huì)議論文集[C];1998年

5 李剛;郭崇慧;林鴻飛;楊志豪;唐煥文;;基于詞典法和機(jī)器學(xué)習(xí)法相結(jié)合的蛋白質(zhì)名識(shí)別[A];大連理工大學(xué)生物醫(yī)學(xué)工程學(xué)術(shù)論文集（第2卷）[C];2005年

6 徐禮勝;李乃民;王寬全;張冬雨;耿斌;姜曉睿;陳超海;羅貴存;;機(jī)器學(xué)習(xí)在中醫(yī)計(jì)算機(jī)診斷識(shí)別系統(tǒng)中的應(yīng)用思考[A];第一屆全國(guó)中西醫(yī)結(jié)合診斷學(xué)術(shù)會(huì)議論文選集[C];2006年

7 蔡健平;林世平;;基于機(jī)器學(xué)習(xí)的詞語和句子極性分析[A];第三屆全國(guó)信息檢索與內(nèi)容安全學(xué)術(shù)會(huì)議論文集[C];2007年

8 黃金鐵;李景銀;周建常;;對(duì)高爐爐況評(píng)價(jià)模型參數(shù)的機(jī)器學(xué)習(xí)——一個(gè)三類線性模式分類器的實(shí)現(xiàn)[A];1995中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1995年

9 程國(guó)建;蔡磊;潘華賢;;核向量機(jī)在大規(guī)模機(jī)器學(xué)習(xí)中的應(yīng)用[A];第十一屆中國(guó)青年信息與管理學(xué)者大會(huì)論文集[C];2009年

10 張鈸;張鈴;;統(tǒng)計(jì)學(xué)習(xí)理論及其應(yīng)用[A];2001年中國(guó)智能自動(dòng)化會(huì)議論文集（上冊(cè)）[C];2001年

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫 前10條

1 黎驪/文 [美] Tom M.Mitchell 著;機(jī)器學(xué)習(xí)與智能化社會(huì)[N];中國(guó)郵政報(bào);2003年

2 IBM大數(shù)據(jù)專家 James Kobielus　范范 編譯;機(jī)器學(xué)習(xí)已成為大數(shù)據(jù)基石[N];網(wǎng)絡(luò)世界;2014年

3 本報(bào)記者 房琳琳;合久必分：分布式“機(jī)器學(xué)習(xí)”應(yīng)運(yùn)而生[N];科技日?qǐng)?bào);2014年

4 雨辰;機(jī)器學(xué)習(xí)類圖書為什么火爆[N];中華讀書報(bào);2014年

5 百度公司技術(shù)副總監(jiān) 多媒體部負(fù)責(zé)人 余凱;深度學(xué)習(xí)與多媒體搜索技術(shù)演進(jìn)[N];中國(guó)信息化周報(bào);2013年

6 本報(bào)記者 余建斌;機(jī)器學(xué)習(xí)與互聯(lián)網(wǎng)搜索[N];人民日?qǐng)?bào);2011年

7 本報(bào)記者 張曄邋通訊員 李瑋;周志華：永不墨守成規(guī)[N];科技日?qǐng)?bào);2008年

8 記者　 彭德倩;機(jī)器學(xué)習(xí)精度提升近6個(gè)百分點(diǎn)[N];解放日?qǐng)?bào);2006年

9 本報(bào)記者 閔杰;大數(shù)據(jù)熱 高端人才缺[N];中國(guó)電子報(bào);2013年

10 沈建苗 編譯;如何成為大數(shù)據(jù)科學(xué)家[N];計(jì)算機(jī)世界;2013年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 董春茹;機(jī)器學(xué)習(xí)中的權(quán)重學(xué)習(xí)與差分演化[D];華南理工大學(xué);2015年

2 姚明臣;機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)中的若干問題研究[D];大連理工大學(xué);2016年

3 趙玉鵬;機(jī)器學(xué)習(xí)的哲學(xué)探索[D];大連理工大學(xué);2010年

4 胡巍;面向格結(jié)構(gòu)的機(jī)器學(xué)習(xí)[D];上海交通大學(xué);2009年

5 張義榮;基于機(jī)器學(xué)習(xí)的入侵檢測(cè)技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2005年

6 錢線;快速精確的結(jié)構(gòu)化機(jī)器學(xué)習(xí)方法研究[D];復(fù)旦大學(xué);2010年

7 梁錫軍;稀疏優(yōu)化在機(jī)器學(xué)習(xí)中的若干應(yīng)用[D];大連理工大學(xué);2013年

8 蔣剛;核機(jī)器學(xué)習(xí)方法若干問題研究[D];西南交通大學(xué);2006年

9 陳慧靈;面向智能決策問題的機(jī)器學(xué)習(xí)方法研究[D];吉林大學(xué);2012年

10 周偉達(dá);核機(jī)器學(xué)習(xí)方法研究[D];西安電子科技大學(xué);2003年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 張柯;基于機(jī)器學(xué)習(xí)的錯(cuò)誤定位方法研究[D];南京航空航天大學(xué);2015年

2 于雯;機(jī)器學(xué)習(xí)在信用評(píng)級(jí)中的應(yīng)用[D];中國(guó)海洋大學(xué);2015年

3 裴松年;基于機(jī)器學(xué)習(xí)的分類算法研究[D];中北大學(xué);2016年

4 李紅;基于機(jī)器學(xué)習(xí)的中醫(yī)藥配方評(píng)估研究[D];南京大學(xué);2016年

5 周文U，

本文編號(hào)：512619