基于SVM算法的多因子选股模型实证研究

发布时间：2018-04-08 10:52

  本文选题：量化投资　切入点：多因子模型　出处：《浙江工商大学》2017年硕士论文

【摘要】：本文主要是研究如何将传统多因子模型和机器学习算法结合在一起,构建基于SVM算法的多因子选股模型。通过该模型,从沪深300成份股中选取具有投资价值的股票构建投资组合,以期能够获得稳健的超额收益。这既丰富了多因子选股模型的构建方法,同时也为其他一些方法的引进提供很好的思路和借鉴。本文选取沪深300成份股2010-01至2016-12每月最后一个交易日的因子截面数据作为数据样本,其中2010-01至2012-12数据作为模型参数训练样本,2013-01至2016-12数据作为样本外回测,模型构建流程主要分为数据预处理、因子有效性检验、模型参数优化、模型构建与结果分析、模型拓展与优化五个部分。本文构建的选股模型在2013-2016年4年间累计收益率为85.37%,年化收益率达到20.54%,远远超出同期对比基准(沪深300指数)的业绩表现,通过分位组比较分析可以发现,模型业绩随着分位组变化具有显著的递减趋势,说明本文的模型对股票分类的效果明显,能够有效区分强势股和弱势股。将模型与离线学习模型进行对比分析,可以发现超额累计收益率走势相差较大,证明本文模型通过在线学习可以更好地对股票进行分类,能够不断适应市场环境的变化。另外在模型的拓展与优化方面,为了保证因子的时效性,在原模型基础上建立因子轮动分析模型,以及依据预测概率来进行股票组合权重的设置,都能一定程度上改进模型效果。
[Abstract]:This paper mainly studies how to combine the traditional multi - factor model with the machine learning algorithm to construct a multi - factor stock selection model based on the SVM algorithm .

【学位授予单位】：浙江工商大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：F832.51

【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 徐永春;;基于SVM技术的套期保值模型的实证分析[J];统计与决策;2013年16期

3 苏治;傅晓媛;;核主成分遗传算法与SVR选股模型改进[J];统计研究;2013年05期

4 王艳萍;陈志平;陈玉娜;;多因子投资组合选择模型研究[J];工程数学学报;2012年06期

5 殷鑫;郑丰;崔积钰;赵庄;;基于价值投资的Piotroski选股策略实证研究[J];时代金融;2012年23期

6 胡小平;计算投资组合风险的改进支持向量机方法[J];数量经济技术经济研究;2005年05期

相关硕士学位论文 前10条

1 丁涵怡;非线性框架下指数期货套利策略研究[D];浙江大学;2014年

2 张伟;支持向量分类机（SVC）在量化选股中的应用[D];山东大学;2014年

3 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

4 江方敏;基于多因子量化模型的A股投资组合选股分析[D];西南交通大学;2013年

5 邹振华;基于文本挖掘的量化投资系统[D];华南理工大学;2013年

6 孙守坤;基于沪深300的量化选股模型实证分析[D];复旦大学;2013年

7 邹运;基于遗传算法的风格选股模型研究[D];东北财经大学;2012年

8 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

9 陈军华;基于多分类支持向量机的选股模型研究[D];华中科技大学;2010年

10 汪洋;基于估值与业绩的选股策略有效性研究[D];电子科技大学;2010年

，

本文编号：1721291