论文摘要
目前人工智能在金融行业备受重视,且量化选股能高效率地完成数据挖掘分析,规范地按模型进行投资。而在美国特朗普政府打响贸易战后,中国股市在2018年3月23日、6月19日出现跳空大跌,投资者对市场充满恐惧失去信心。为鼓励投资者重回市场,本文采用基于主成分分析法的随机森林选股策略对上证50成分股进行实证研究。本文通过Python编程软件、Choice数据接口、JQData本地量化金融数据选取上证50成分股作为股票池,以2015年1月1日至2018年12月31日作为回测区间,备选特征因子池包含估值指标、风险分析、盈利能力、趋向指标、能量指标、波动指标。将回测区间按年份划分为4个子区间,采用分阶段回测方式,将当前年份往前推60个月合并成样本内,先用主成分分析法对特征降维,消除特征之间的相关性,再结合10折交叉验证法与网格搜索法对模型参数最优化以训练决策树,形成随机森林模型。将回测数据输入模型,选取排名靠前的5只、10只、15只股票分别作为下个月的策略组合。回测结果显示3个策略组合均在市值、对数收益率方面表现都明显优于上证50ETF,持仓数为5的策略组合表现最佳,且采用主成分分析法降维能有效地提高策略的投资效果。而在中美贸易战时期,该策略保持了其有效性,且有效性强于全回测时期,最大回撤率与Beta值均低于全回测时期。本文结合机器学习进行实证分析,得出结论为投资者在面对突发熊市时不必恐惧市场,应保持冷静,通过运用量化投资工具依然可以获取超额收益。
论文目录
文章来源
类型: 硕士论文
作者: 莫雅淇
导师: 唐伟霞
关键词: 随机森林,主成分分析法,中美贸易战,量化选股
来源: 首都经济贸易大学
年度: 2019
分类: 基础科学,经济与管理科学
专业: 数学,宏观经济管理与可持续发展,金融,证券,投资
单位: 首都经济贸易大学
分类号: F832.51;F224
DOI: 10.27338/d.cnki.gsjmu.2019.000656
总页数: 54
文件大小: 3404K
下载量: 184
相关论文文献
- [1].技术指标选股[J]. 股市动态分析 2016(47)
- [2].技术指标选股[J]. 股市动态分析 2016(46)
- [3].技术指标选股[J]. 股市动态分析 2016(49)
- [4].技术指标选股[J]. 股市动态分析 2016(50)
- [5].技术指标选股[J]. 股市动态分析 2016(48)
- [6].技术指标选股[J]. 股市动态分析 2017(02)
- [7].技术指标选股[J]. 股市动态分析 2017(07)
- [8].技术指标选股[J]. 股市动态分析 2017(05)
- [9].技术指标选股[J]. 股市动态分析 2017(Z1)
- [10].浅议量化选股与定性选股[J]. 时代金融 2017(06)
- [11].技术指标选股[J]. 股市动态分析 2016(45)
- [12].技术指标选股[J]. 股市动态分析 2017(08)
- [13].技术指标选股[J]. 股市动态分析 2017(11)
- [14].技术指标选股[J]. 股市动态分析 2017(01)
- [15].技术指标选股[J]. 股市动态分析 2017(12)
- [16].技术指标选股[J]. 股市动态分析 2017(15)
- [17].技术指标选股[J]. 股市动态分析 2017(13)
- [18].技术指标选股[J]. 股市动态分析 2017(09)
- [19].技术指标选股[J]. 股市动态分析 2017(14)
- [20].智能选股与人工量化操作结合研究[J]. 中国新通信 2017(07)
- [21].技术指标选股[J]. 股市动态分析 2017(17)
- [22].技术指标选股[J]. 股市动态分析 2017(20)
- [23].技术指标选股[J]. 股市动态分析 2017(24)
- [24].技术指标选股[J]. 股市动态分析 2017(22)
- [25].技术指标选股[J]. 股市动态分析 2017(23)
- [26].技术指标选股[J]. 股市动态分析 2017(21)
- [27].技术指标选股[J]. 股市动态分析 2017(27)
- [28].技术指标选股[J]. 股市动态分析 2017(28)
- [29].技术指标选股[J]. 股市动态分析 2017(29)
- [30].技术指标选股[J]. 股市动态分析 2017(26)