基于随机森林量化的沪深300指数增强策略设计

发布时间：2021-08-17 00:44

　　指数增强策略是在控制对基准指数的跟踪误差的前提下,追求超越基准指数的表现,能够兼顾Beta和Alpha的收益。从投资理念上来看,指数增强基金是主动投资和被动投资的有机结合。近年来,指数增强型基金凭借着其低费率、调仓透明度高、长期收益优异等特点,得到机构和个人投资者的关注。同时,可获得的数据增多和技术进步为投资研发提供了广阔的空间。本文将数据科学领域的随机森林算法引入选股框架,利用其优质的分类能力筛选优质股票,并尝试应用股票市场上的低波动异象来分配组合中的个股仓位,以期获得平稳可观的收益。首先,本文研究了国内公募指数增强型基金的发展历程、现状和趋势。从数量和规模来看,国内指数增强基金处于上升通道,2018年末公募指数增强基金数量达到106只,规模达到575亿元。业绩方面,大部分战胜跟踪指数,且年跟踪误差保持在8%之内。具有良好的发展势头和配置价值。指数增强基金的增强方式,自上而下可分为仓位控制（中长线择时）、行业轮动、风格轮动、选股等。业绩归因结果显示,选股对于基金的超额收益贡献最大。对于资金规模更大、风控要求更高的公募基金来说,量化选股是有效的增强方式。中国金融市场实现相对成熟仍需要一... 

【文章来源】：东华大学上海市 211工程院校 教育部直属院校

【文章页数】：73 页

【学位级别】：硕士

【部分图文】：

选股结果等权仓位下的净值走势表4-18策略组合业绩指标（2012.4.5-2018.9.28）

策略组合相对沪深300胜率统计（按年）

55图 4-11 策略组合相对沪深 300 胜率统计（按季）策略组合相对基准沪深 300 的胜率方面：统计周期为年时，7 年里策略组合均相对沪深 300 上涨，胜率为 100%，其中巅峰期 2015 年相对回报达到 8.74%；统计周期为季度时，相对上涨为 16 期，相对下跌为 10 期，胜率为 61.54%。


本文编号：3346715