随机森林选股策略的实证研究 ——基于主成分分析法

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

    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)

    标签:;  ;  ;  ;  

    随机森林选股策略的实证研究 ——基于主成分分析法
    下载Doc文档

    猜你喜欢