基于机器学习的股市行业轮动量化投资策略研究

发布时间：2020-05-28 10:38

【摘要】：近年来,随着金融科技的飞速发展,依托量化模型算法与人工智能进行自动交易成为一种全新、高效的交易方式。与西方成熟的资本市场相比,A股市场长期存在着机构化程度低,市场有效性较弱以及行业风格变化特异性强的市场特征,这为量化交易提供了肥硕的土壤。机器学习作为人工智能重要的分支,其已经在诸多领域如图像识别、自然语言处理被证明是针对模糊非线性数据进行建模的强有力工具,而资本市场是一个低信噪比、复杂的非线性系统,本文将时下热门的机器学习算法应用于量化投资策略建模,利用“机器”辅助探索资本市场那些不为人知的非线性特征,深化对资本市场的理解并辅助投资者投资决策。本文主要研究A股市场行业板块的风格轮动,首先,本文研究A股市场行业轮动的基本特征,并在此基础上构建了可能会带来超额收益的因子,通过对四大类因子研究测试,选出了七个相对有效且相关性低的因子作为机器学习输入变量的备选特征因子。其次,本文通过理论分析和实证测试构建了支持向量回归、神经网络的监督机器学习模型以及多因子模型,模型均能很好地解释行业收益率并获取有效的超额收益。之后,为了综合各个模型的预测能力来获取更多的超额收益,利用Stacking集成学习思想将上述三个子模型集成为一个复杂有效的机器学习模型,最终得到了月度胜率为59.26%,年化收益15.26%,多空对冲夏普比率为1.06的集成学习策略,通过绩效分析,集成后的模型无论在收益指标还是风险指标上都有了超越子模型的良好表现。最后,本文介绍了自主开发的交互式回测平台APP,为策略的回测展示和实际投资提供了便利。本文一方面研究了A股市场行业风格轮动的基本特征,比较了其与个股市场的差异并构建了有效因子库,使投资者能在技术面和基本面的视角下更好地理解市场行业风格轮动。另一方面,本文在构建交易策略的过程中使用了前沿的机器学习算法,并通过自主开发的可视化交互式回测平台展示了优秀的回测结果,为投资者的实际投资提供了指导。
【图文】：

研究路线

动量因子IC累积曲线
【学位授予单位】：华侨大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：F832.51;TP181

【参考文献】

相关期刊论文 前3条

1 张炜;范年柏;汪文佳;;基于自适应遗传算法的股票预测模型研究[J];计算机工程与应用;2015年04期

2 孙海波;宋曦;;货币周期指导下的行业投资组合构建[J];中央财经大学学报;2009年11期

3 吴微,陈维强,刘波;用BP神经网络预测股票市场涨跌[J];大连理工大学学报;2001年01期

相关硕士学位论文 前3条

1 刘强;中国股市行业板块轮动研究[D];北京理工大学;2016年

2 张牧云;经济周期框架下的中国A股市场行业轮动与传导机制研究[D];安徽大学;2014年

3 谢小鹏;量化投资中的统计理论[D];清华大学;2013年

，

本文编号：2685117