基于股吧舆情的动态投资组合优化模型

发布时间：2024-12-26 01:32

　　近几年随着移动互联时代的到来,新兴媒体的快速崛起在金融投资领域得到深刻体现。愈来愈多的投资者活跃在股吧、微博、雪球等论坛、博客,产生丰富的网络舆情数据。行为金融学的不断发展为网络舆情的研究提供了基础。网络舆情是投资者关注度及投资者情绪的即时反映,“如何让日益丰富的网络舆情帮助我们优化投资组合”成为有价值的议题。与此同时,量化投资和人工智能的进步为网络舆情的应用创造了技术条件。随着中国金融市场的日益成熟,学界和业界都将机器学习助力量化投资作为研究目标和发展方向。在此背景下,本文以东方财富股吧的个股评论情感本文作为情绪数据,选取沪深300成分股为研究对象,以18年1月1日至20年12月31日为整体研究区间,利用随机森林和XGBoost算法日频滚动预测构造投资组合,多角度分析不同条件下本文模型分类预测与投资组合回测效果,以论证本文核心问题。研究结果表明:(1)基于股吧舆情构建动态投资组合优化模型存在可行性,能够实现领先市场基准的预期收益。(2)股吧舆情指标的加入能提高本文模型的分类效果,能够优化股票投资组合的回测收益。(3)股吧舆情指标在股票分类预测模型中的重要性,与其他股票日数据重要性相当;...

【文章页数】：78 页

【学位级别】：硕士

【部分图文】：

图3.1ROC曲线

硕士学位论文28型对于两类数据的区分度大校在这种情况下acc不能完全作为模型评价的标准，而是应当观察阈值不断调整过程中模型的效果，因此研究者们提出基于此原理的ROC曲线。如图3.1：图3.1ROC曲线ROC曲线通过绘制模型预测概率在不同阈值下的TPR和FPR来判断模型的效果。其中....

图4.3单只股票（600741）投资者情绪指标Senb5与Senb日度趋势水平图

硕士学位论文37图4.3单只股票（600741）投资者情绪指标Senb5与Senb日度趋势水平图图中趋势可以证明，基于此原理的个股投资者情绪指标确实在交易日的变动更为连续和合理。因此本文将生成的情绪指标都进行改进，构造出新的股吧投资者情绪指标（Senb5）、关注度指标（Atten....

图4.8分类效果较好时特征的重要性排名（前20）

硕士学位论文43从两张图的对比可以观察到，随机森林18年下半年时无舆情特征模型表现略高于有舆情特征模型，但很快被有舆情特征模型追上并赶超，此后有舆情特征模型的表现一直优于无舆情特征模型。而XGB模型则在引入舆情特征后，分类效果一直优于无舆情特征的模型。这证明了上文的假设，即引入舆....

图4.9分类效果欠佳时特征的重要性排名（前20）

硕士学位论文44如图4.8所示，在回测时段2020年12月，模型的AUC值为0.59，属于效果较好情况。此时排名前20的特征中，有五个舆情指标，按照排名分别是（Disag20）20日情绪一致性，（Atten20）20日投资者关注度，（Senb5）近5日个股投资者情绪，（Senb2....

本文编号：4020322