随机森林选股策略的实证研究 ——基于主成分分析法

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

• 摘要
• abstract
• 第1章 引言
•   1.1 问题的提出
•   1.2 选题背景及意义
•     1.2.1 人工智能的应用
•     1.2.2 量化选股的重要性
•     1.2.3 中美贸易战背景
•   1.3 文献综述
•     1.3.1 国外研究现状
•     1.3.2 国内研究现状
•   1.4 本文的研究方法
•   1.5 本文的创新与不足
•   1.6 本文的结构安排
• 第2章 随机森林选股思想概述
•   2.1 关于机器学习
•   2.2 关于降维
•     2.2.1 主成分分析法
•   2.3 关于分类
•     2.3.1 决策树与CART算法
•     2.3.2 随机森林
• 第3章 随机森林策略的实证分析
•   3.1 数据处理
•     3.1.1 数据获取
•     3.1.2 数据预处理
•     3.1.3 特征主成分分析法降维
•   3.2 参数敏感性分析
•     3.2.1 10折交叉验证
•     3.2.2 网格搜索
•     3.2.3 最优参数对
•   3.3 模型构建与选股
•     3.3.1 模型构建
•     3.3.2 预测数据及选股
•   3.4 实证研究结果
• 第4章 主成分分析法的实证分析
•   4.1 参数敏感性分析
•     4.1.1 10折交叉验证
•     4.1.2 网格搜索
•     4.1.3 最优参数对
•   4.2 模型构建与选股
•     4.2.1 模型构建
•     4.2.2 预测数据及选股
•   4.3 实证研究结果
• 第5章 中美贸易战背景下选股策略的应用
•   5.1 应用结果分析
•   5.2 策略波动原因分析讨论
• 结论与展望
• 参考文献
• 附录A 数据处理PYTHON代码
• 致谢

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