基于模式识别的“高送转”投资策略研究

发布时间：2017-06-25 07:13

  本文关键词：基于模式识别的“高送转”投资策略研究，由笔耕文化传播整理发布。

【摘要】：“高送转”是高比例送红股或转增股本的简称,它是市场的常发事件,而且在预案公告日前一段时间有显著正的超额收益。因此投资者若能在公告前识别“高送转”事件股票,则能获得较好的投资收益。然而国内外文献对“高送转”的研究主要集中在上市公司股利政策动机研究和“高送转”财富效应验证两方面,虽然国内许多证券投资机构都有对“高送转”投资的研究,但是在关键的“高送转”预测上,大都采用主观性较强的打分排序法,因此本论文提出基于模式识别较客观的预测模型。本文首先定义了“高送转”事件内含及模式,通过文献引用和数据实证,提取了影响上市公司实施高送转的特征因素,包括每股资本公积、每股未分配利润、每股收益、每股净资产、每股现金净流量、每股营业收入、上市时间、股价、股本九因子。在此基础上选择基于主成分Logistic回归方法,建立了预测股票发生“高送转”事件的概率模型,模型经检验和共线性处理,用2014年数据建模来预测2015年的可能实施“高送转”的股票。预测结果是:2015年“高送转”预测的准确率可以达到62.8%,远远高于2015年“高送转”的A股占比19.67%。在此基础上运用CART决策树模型对第一阶段选出的“高送转”股票进一步筛选构建模拟交易策略,年化收益率高达122.41%,优于未经筛选构建的交易策略。本文的研究意义主要存在于以下两个方面,一方面从投资者的角度出发构建了完整的“高送转”投资组合策略,对投资者有一定的参考价值;另一方面从数据挖掘的角度来研究“高送转”投资,为后续的研究提供新的研究思路。
【关键词】：高送转 多重共线性 Logistic回归 决策树
【学位授予单位】：华南理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F832.51
【目录】：

• 摘要5-6
• Abstract6-11
• 第一章 绪论11-18
• 1.1 研究背景11-12
• 1.2 研究意义12
• 1.3 国内外文献研究综述12-16
• 1.3.1 国外“高送转”文献综述12-14
• 1.3.2 国内“高送转”研究综述14-16
• 1.4 文章主要内容、结构安排和创新点16-17
• 1.5 本章小结17-18
• 第二章 “高送转”相关知识介绍18-29
• 2.1 股利支付形式18
• 2.2 “高送转”界定18-19
• 2.2.1 送转股票18-19
• 2.2.2 “高送转”定义19
• 2.3 我国上市公司分红送转流程19-20
• 2.4 影响“高送转”实施的主要因素20-21
• 2.5 我国A股“高送转”现状21-27
• 2.5.1 “高送转”受追捧21-23
• 2.5.2 “高送转”与上一年大盘走势23-24
• 2.5.3 “高送转”股票预案公布前、后收益24-26
• 2.5.4 年报送转预案公告日统计26-27
• 2.5.5 “高送转”套利机会分布的时间27
• 2.6 本章小结27-29
• 第三章 相关理论介绍29-40
• 3.1 单因素方差分析29
• 3.2 多重共线性29-34
• 3.2.1 多重共线性的概念29-30
• 3.2.2 多重共线性的影响30
• 3.2.3 多重共线性的检验方法30-32
• 3.2.4 多重共线性的修正32-34
• 3.3 Logistic回归原理及公式推导34-37
• 3.3.1 LR分类器34-35
• 3.3.2 Logistic回归模型35
• 3.3.3 Logistic回归模型的参数估计35-36
• 3.3.4 Logistic回归模型的检验36-37
• 3.4 Logistic回归模型的诊断与修正37-38
• 3.4.1 Logistic回归模型共线性的诊断37
• 3.4.2 主成分Logistic回归模型37-38
• 3.5 CART决策树38
• 3.6 本章小结38-40
• 第四章 基于模式识别的“高送转”投资策略的构建40-47
• 4.1 “高送转”预测模型的构建40-44
• 4.1.1 变量定义40-41
• 4.1.2 “高送转”预测模型的设计流程41-44
• 4.1.3 预测模型的评估指标44
• 4.2 “高送转”交易模型44-46
• 4.2.1 “高送转”筛选模型44-45
• 4.2.2 “高送转”交易策略的制定45
• 4.2.3 策略评估指标45-46
• 4.3 本章小结46-47
• 第五章 “高送转”投资组合策略模型实证分析47-60
• 5.1 数据来源与处理47-48
• 5.2 “高送转”预测模型的实证48-56
• 5.2.1 自变量单因素方差分析48-50
• 5.2.2 多重共线性诊断50-51
• 5.2.3 提取自变量的主成分51-52
• 5.2.4 建立“高送转”分步识别模型52-54
• 5.2.5 建立“高送转”单步识别模型54-55
• 5.2.6 “高送转”预测模型结果55-56
• 5.3 “高送转”交易模型实证56-58
• 5.4 投资建议58-59
• 5.5 本章小结59-60
• 结论与展望60-61
• 参考文献61-65
• 攻读硕士学位期间取得的研究成果65-66
• 致谢66-67
• 答辩委员会对论文的评定意见67

  本文关键词：基于模式识别的“高送转”投资策略研究，由笔耕文化传播整理发布。

，

本文编号：481218