迁移学习在量化选股中的应用研究

发布时间：2020-04-15 04:12

【摘要】：随着近年来机器学习、人工智能领域的快速发展,很多国内外学者尝试着将机器学习与量化投资相结合,试图通过数据挖掘的手段,比如SVM(支持向量机模型)、神经网络,集成学习等模型探索因子与股票收益之间的关系,进而建立多因子模型对股票未来收益进行预测。但上述算法在金融领域应用时存在两个主要问题:1.数据样本不足。虽然金融市场中存在着大量高低频数据可供研究,但是在模型训练过程中时真正有效的样本数据是非常有限的,如何高效利用有限数据构建出泛化误差较小的机器学习模型是值得研究的。2.金融市场是不断变化的,分别处于不同时间节点的训练样本和测试样本往往很难保持同分布,因此会导致机器学习模型的延伸性比较差。本文尝试引入迁移学习的思想与多因子选股模型相结合来处理上述问题,在TrAdaboost算法的基础上进行补充,通过构造辅助训练样本集和源训练样本集,从前者中学习知识并提取部分与源训练样本集分布相似的股票样本与源训练样本集一起重组为迁移学习量化选股模型的训练样本,从而规避常规机器学习模型中需要假设训练样本和测试样本相同分布的问题。本文设计了一个包含因子筛选和数据降维的因子库建立体系,同时给出了完整的迁移学习量化选股模型框架,通过2013年至2018年底的真实市场交易数据对该模型进行实证分析,将其结果与未使用迁移学习思想的Adaboost多因子选股模型进行对比,证明了本文研究的迁移学习多因子选股模型的有效性,在参数相同的条件下,合理设计辅助训练样本集和源训练样本集的采样方式可以提升传统机器学习模型的绩效。
【图文】：

本文技术路线图

i r等式右侧分别为Asset 的实际收益率和为：i r + + 此时，，Asset 的实际收益率就可以拆分险溢价， 表示除了风险溢价之外以及不能期货的金融工具来对冲掉市场风险溢价这部险，剩下来的 就是多因子策略模型所追求场走势的影响，多因子策略只需能够筛选出Alpha 的股票作为投资组合就可以持续盈利Alpha
【学位授予单位】：华南理工大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：F224;F830.91

【参考文献】

相关期刊论文 前6条

1 曹正凤;纪宏;谢邦昌;;使用随机森林算法实现优质股票的选择[J];首都经济贸易大学学报;2014年02期

2 李云飞;惠晓峰;;基于支持向量机的股票投资价值分类模型研究[J];中国软科学;2008年01期

3 钱颖能;胡运发;;用朴素贝叶斯分类法选股[J];计算机应用与软件;2007年06期

4 卢方元;中国股市收益率分布特征研究[J];中国管理科学;2004年06期

5 范龙振,余世典;中国股票市场的三因子模型[J];系统工程学报;2002年06期

6 李亚静,朱宏泉;沪深股市收益率分布的时变性[J];数学的实践与认识;2002年02期

相关博士学位论文 前3条

1 梁超;量化投资模型适应性研究[D];中央财经大学;2016年

2 杨士准;基于样本和特征的迁移学习方法及应用[D];国防科学技术大学;2013年

3 陈德品;基于迁移学习的跨领域排序学习算法研究[D];中国科学技术大学;2010年

相关硕士学位论文 前10条

1 张猛;基于行业轮动策略的SVM多因子选股模型及投资效果实证分析[D];上海师范大学;2018年

2 费洋;A股市场多因子选股量化模型构建及其检验[D];浙江大学;2018年

3 张潇;基于改进的GBDT的量化投资模型[D];广西大学;2018年

4 张冬阳;基于Logistic回归的Barra因子选股模型研究[D];南京大学;2018年

5 司晓彤;基于回归法的多因子选股模型的投资组合分析[D];青岛大学;2017年

6 赵智辉;基于三层过滤模式的多因子选股模型研究[D];华南理工大学;2015年

7 王昭栋;多因子选股模型在中国股票市场的实证分析[D];山东大学;2014年

8 郭世硕;多源迁移学习的研究[D];西安电子科技大学;2014年

9 王涛;Fama-French三因子模型及其添加市盈率因子模型在中国股市的适用性研究[D];西南财经大学;2012年

10 刘毅;因子选股模型在中国市场的实证研究[D];复旦大学;2012年

本文编号：2628115