论文摘要
选取沪深300成分股作为样本股,截取2015-2018年财务数据和行情数据,基于价值因子、盈利能力因子、运营能力因子、成长能力因子、偿债能力因子及品质因子六个维度选取的候选因子,利用模糊C-均值聚类(FCM)算法对有效因子进行最终筛选,构建多因子模型。本模型在对沪深300成分股测试中取收益前100股作为一览组股票形成投资组合,其测试结果大部分年份远超基准收益,其他指标相对稳健,为量化投资研究提供了新的思路。
论文目录
文章来源
类型: 期刊论文
作者: 周隽,何鹏飞
关键词: 模糊均值聚类,基本面因子,组合收益,超基准收益
来源: 时代金融 2019年33期
年度: 2019
分类: 经济与管理科学
专业: 企业经济,金融,证券,投资
单位: 广东白云学院
基金: 广东白云学院2016年校级科研项目(BYKY201613)
分类号: F832.51;F275
页码: 60-62
总页数: 3
文件大小: 1903K
下载量: 624
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)