基于AdaBoost算法多因子选股模型的应用研究

论文摘要

机器学习是一门最新发展起来的计算机技术,越来越多的学者开始探索如何将这门技术与股票市场的投资结合起来,以期求得高收益率。AdaBoost算法是机器学习的一种方法,该算法首先构建判断正确率略高于随机猜测的弱分类器,然后通过对数据样本反复学习,最终将弱分类器训练为判断错误率极低的强分类器。本文的目的在于通过结合机器学习算法（AdaBoost算法）和多因子量化选股方法构建基于AdaBoost算法的多因子选股模型,以实现高于基准收益的超额收益。为了构建该选股模型,必须首先筛选出构建该模型所必须的因子。本文选取了优矿量化因子库中的244个因子作为备选因子,并对因子进行了有效性的筛选和独立性检验,最终筛选出10个因子作为构建模型的“独立有效因子组合”。该模型以这10个因子为弱分类器,对股票的收益率进行反复学习,并根据股票收率的情况对股票进行标识,其中,股票收益率排名前30%的分类标识为1,股票收益率排名后30%的分类标识为-1。AdaBoost算法先给所有股票赋以相同的权重,随后根据弱分类器的分类情况更新组合中股票的权重,分类正确则降低权重,分类错误随之增加权重。弱分类器通过AdaBoost机器学习算法进行反复训练,最后将训练好的弱分类器组合在一起,构成一个分类正确率很高的强分类器。本文基于AdaBoost算法构建的多因子选股模型在回测过程中表现优异,年化收益率为25.5%,比以沪深300股为基准的基准收益率高22.4%。

论文目录

文章来源

类型: 硕士论文

作者: 霍丽佳

导师: 彭斌

关键词: 多因子选股模型,量化选股,有效因子筛选,独立性检验,机器选股

来源: 华中科技大学

年度: 2019

分类: 基础科学,经济与管理科学

专业: 数学,宏观经济管理与可持续发展,金融,证券,投资

单位: 华中科技大学

分类号: F832.51;F224

DOI: 10.27157/d.cnki.ghzku.2019.003617

总页数: 53

文件大小: 2907K

下载量: 165

相关论文文献

• [1].基于多步校正的改进AdaBoost算法[J]. 清华大学学报(自然科学版)网络.预览 2008(10)
• [2].基于AdaBoost级联框架的舌色分类[J]. 北京生物医学工程 2020(01)
• [3].基于CEEMDAN+RF+AdaBoost的短期负荷预测[J]. 水电能源科学 2020(04)
• [4].基于AdaBoost算法的炉芯温度预测模型[J]. 钢铁研究学报 2020(05)
• [5].基于iForest-Adaboost的核电厂一回路故障诊断技术研究[J]. 核动力工程 2020(03)
• [6].基于AdaBoost的短期边际电价预测模型[J]. 计算机与数字工程 2020(02)
• [7].基于AdaBoost的雷达剩余杂波抑制方法[J]. 电光与控制 2020(06)
• [8].基于AdaBoost集成学习的窃电检测研究[J]. 电力系统保护与控制 2020(19)
• [9].基于混合采样AdaBoost的地中海贫血数据诊断研究[J]. 数据通信 2020(05)
• [10].基于KELM-AdaBoost方法的短期风电功率预测（英文）[J]. 控制工程 2019(03)
• [11].Adaboost-SVM多因子选股模型[J]. 经济研究导刊 2019(10)
• [12].一种改进的Adaboost-BP算法在手写数字识别中的研究[J]. 大理大学学报 2019(06)
• [13].一种快速AdaBoost.RT集成算法时间序列预测研究[J]. 电子测量与仪器学报 2019(06)
• [14].一种加入动态权重的AdaBoost算法[J]. 重庆师范大学学报(自然科学版) 2019(05)
• [15].基于改进的AdaBoost算法的中压配电网断线不接地故障检测[J]. 电测与仪表 2019(16)
• [16].基于Adaboost算法的人脸检测的研究[J]. 中外企业家 2019(26)
• [17].基于Adaboost.RT算法的隧道沉降时间序列预测研究[J]. 中国计量大学学报 2019(03)
• [18].一种改进的BP-AdaBoost算法及应用研究[J]. 现代电子技术 2019(19)
• [19].AdaBoost的多样性分析及改进[J]. 计算机应用 2018(03)
• [20].基于改进Real AdaBoost算法的软件可靠性预测[J]. 空军工程大学学报(自然科学版) 2018(01)
• [21].一种基于聚类和AdaBoost的自适应集成算法[J]. 吉林大学学报(理学版) 2018(04)
• [22].基于Adaboost算法的人眼检测技术在路考系统中的应用[J]. 汽车与安全 2016(04)
• [23].基于改进Adaboost算法的人脸检测方法[J]. 科技经济导刊 2018(18)
• [24].基于Adaboost和回归树集合技术的疲劳识别研究[J]. 汕头大学学报(自然科学版) 2017(02)
• [25].基于AdaBoost算法的在线连续极限学习机集成算法[J]. 软件导刊 2017(04)
• [26].基于Adaboost的改进多元线性回归算法中长期负荷预测[J]. 太原理工大学学报 2017(05)
• [27].Adaboost人眼定位方法改进与实现[J]. 大连交通大学学报 2017(05)
• [28].基于SVM-Adaboost裂缝图像分类方法研究[J]. 公路交通科技 2017(11)
• [29].基于Adaboost算法的主客观句分类[J]. 长春大学学报 2015(12)
• [30].基于AdaBoost的极限学习机集成算法[J]. 软件导刊 2016(04)

标签：多因子选股模型论文;  量化选股论文;  有效因子筛选论文;  独立性检验论文;  机器选股论文;