基于機器學習的多因子選股策略研究

表5-2來看，策略購入較多的股票都是工業(yè)行業(yè)，這符合近期工業(yè)領(lǐng)域在股票中漲幅較高的實際情況。行業(yè)配置對比行業(yè)名稱策略配置基準配置權(quán)重配置差金融1.06%21.93%-20.87%工業(yè)36.36%19.29%17.07%現(xiàn)金12.12%0.00%12.12%信息技術(shù)2.52%11.55%-9.03%原材料14.35%7.26%7.09%主要消費7.39%14.17%-6.78%通信服務6.12%2.12%4.00%可選消費11.39%7.98%3.41%醫(yī)藥衛(wèi)生6.43%9.10%-2.67%房地產(chǎn)0.00%1.94%-1.94%能源0.00%1.21%-1.21%公用事業(yè)2.26%2.29%-0.03%結(jié)論與展望通過此次的畢業(yè)設計我實現(xiàn)之間一直想要去做的方案，中國的股市現(xiàn)在還未達到全民參與，資金量的匱乏也導致股市出現(xiàn)不穩(wěn)定的狀況。隨著人工智能、機器學習、大數(shù)據(jù)的快速發(fā)展，今年來量化投資在國內(nèi)的重視程度也不斷提高，很多私募都利用量化投資獲得了良好的收益。但是，量化投資在我國股市中的應用還是很小的一部分，其一是量化投資市場規(guī)模小以及量化策略表現(xiàn)不穩(wěn)定，其二是量化策略存在一定的趨同性。文本涉及了較多的常用因子數(shù)據(jù)，使用SVM算法獲得較高的收益率，體現(xiàn)了將機器學習算法引入量化投資的可行性。并且我選用最新的數(shù)據(jù)作為模型回測樣本，具有良好的說服力和適應性。但是還是有很多需要改善的地方：在回測模型中可以更多的考慮大盤的情況，如果大盤存在異常跌幅需要及時止損，此外還有很多小細節(jié)如漲停不能買入，跌停不能賣出，去除ST股票等。存在較大的回撤可以在模型中考慮風險控制，加入止盈止損條件或引入擇時模型對股票的買賣時機及倉位進行判斷?？梢约尤虢鹱炙I入賣出模型等更多優(yōu)化方案提升收益率。由于平臺對于普通用戶的限制，只能提前獲取數(shù)據(jù)導入進行訓練。如果可以用近一個月的數(shù)據(jù)預測近一個月星期的數(shù)據(jù)，不斷更新獲取最新的數(shù)據(jù)，那么數(shù)據(jù)將更好的擬合當前的股市狀況，獲得更高的收益。參考文獻ADDINZOTERO_BIBL{"uncited":[],"omitted":[],"custom":[]}CSL_BIBLIOGRAPHY[1] 謝明柱.機器學習算法下的多因子量化選股策略[J].吉林工商學院學報,2021.[2] MarkowitzHM.PortfolioSelection[J].JournaloftheInstituteofActuaries,.[3] SharpeWF.CAPITALASSETPRICES:ATHEORYOFMARKETEQUILIBRIUMUNDERCONDITIONSOFRISK*[J].JournalofFinance,1964,19(3):425–442.[4] FamaEF,FrenchKR.Commonriskfactorsinthereturnsonstocksandbonds[J].JournalofFinancialEconomics,1993,33(1):3–56.[5] CarhartMM.OnPersistenceinMutualFundPerformance[J].SocialScienceElectronicPublishing,1997,52(1):57–82.[6] Piotroski,JosephD.ValueInvesting:TheUseofHistoricalFinancialStatementInformationtoSeparateWinnersfromLosers[J].JournalofAccountingResearch,2000,38:1.[7] MohanramPS.SeparatingWinnersfromLosersamongLowBook-to-MarketStocksusingFinancialStatementAnalysis[J].ReviewofAccountingStudies,2005,10(2–3):133–170.[8] Thakur,Manoj,Kumar,等.Ahybridfinancialtradingsupportsystemusingmulti-categoryclassifiersandrandomforest[J].APPLIEDSOFTCOMPUTING,2018.[9] 陳守東,孟慶順,趙云立.中國股票市場FF多因子模型的比較分析[J].吉林大學社會科學學報,2003(5):6.[10] 彭麗芳,孟志青,姜華,等.基于時間序列的支持向量機在股票預測中的應用[J].計算技術(shù)與自動化,2006,25(3):4.[11] 李想.基于XGBoost算法的多因子量化選股方案策劃[D].上海師范大學,2017.[12] 李杰.基于隨機森林算法的多因子選股模型研究[D].哈爾濱工業(yè)大學.[13] 張虎,沈寒蕾,劉曄誠.基于自注意力神經(jīng)網(wǎng)絡的多因子量化選股問題研究[J].數(shù)理統(tǒng)計與管理,2020,39(3):15.[14] 舒時克,李路.基于ElasticNet懲罰的多因子選股策略[J].統(tǒng)計與決策,2021(16):