基于事件驱动的量化选股策略研究 ——以“一带一路”主题为例
发布时间：2020-12-18 01:46
随着计算机的进步和人们投资理念的发展,相较于传统的依赖于个人的观察和操作来进行定性投资的方式,量化投资方式由于其自身的科学与理性成为越来越热门的投资方式,广泛使用于投资领域之中。而事件驱动型投资策略作为量化投资的一个补充策略,是寻找某一特定事件发生后对于股价的影响。作为主流策略之一,事件驱动型投资策略在投资界有着亮丽的市场表现。目前市场上常见的事件驱动型策略大都是针对微观事件（个股事件）,比如高管增减持、股权激励、重组并购、限售股解禁等个股事件。但是缺少针对宏观事件和中观事件的事件驱动交易策略。本文则选取研究较少的政策型事件投资主题“一带一路”作为驱动事件的研究对象,创造性的将机器学习选股模型应用到事件驱动型投资策略之中,用于构建一揽子的事件型主题投资股票组合。本文首先对本文选取的样本事件进行分析。通过事件研究法,以2013-2018年发生的“一带一路”事件为样本,研究相关主题事件出现时,上市公司的股票价格是否因此事件的发生而生出变动,出现异常报酬CAR的问题,并运用统计分析的方法对事件的显著性进行检验。研究结果表明,分析发生“一带一路”主题事件时,相关股票会有显著为正的超额收益率,验...
【文章来源】：上海师范大学上海市
【文章页数】：95 页
【学位级别】：硕士
【部分图文】：
技术路线图
上海师范大学硕士学位论文第2章文献综述与相关理论13模型用于设置多个单分类器以参与预测过程的决策树。将多种分类器结合起来，结合多种分类器来提升预测精准度的一种算法。与单个分类器相比，当缺少大量数据时，大多数工作数据可以通过随机森林搜索找回，降低了算法可能形成的误差，使决策树模型的准确性得到优化。支持向量机（SVM）理论支持向量机（SVM，Supportvectormachines）技术是以数学和统计这两门学科为基础支持的学习算法。可以被用来分析数据，识别模型，分类样本和回归分析。在机器学习领域，“机”（machine）表示算法的意思。虽然都是学习算法，但与神经网络、决策树不同，支持向量机用的是数学运算和优化技术。图2-2支持向量机原理具体的操作原理是，首先给定一组样本作为训练集，样本是n维空间中的据点，把每个样本坐上标记分为两类，样本拥有各项字段变量和类别，建立一个SVM训练算法，算法利用核函数构造一个n-1维的平面把这些据点分开，使得不同类的样本距离最远，距离最远的分类器误差最小，这样的平面通常被称作线性分类器。而这个平面映射到需要预测的样本空间中，来将预测集进行分类。支持向量机可以进行非概率二元线性分类，也可以改变核函数的算法构造超平面，或在高维空间用于分类和回归。这个超平面在一个训练集中不只有一种，有很多种分类器。那么控制分类器的关键即在于支持向量机算法中的核函数的类型，以及某一输入变量的权重cost。所以时下很多数学专业和计算机专业的学者在支持向量机
第5章基于机器学习法的量化选股方案设计上海师范大学硕士学位论文30的参数调优，并进行交叉验证来对比三种模型的效果，选择最适合的预测模型进行建模；（四）股票组合构建选择排名前5并且预测为涨的股票持有。下图展示了本文的方案设计流程：图5-1方案流程步骤本章中所有仿真实验的进行都是利用了MATLAB，源数据来源于恒生聚源公司的金融数据库，通过使用MATLAB软件R2017a版本接入聚源金融终端的量化接口获得相关金融数据并进行数据处理。样本股票池构建以T+0-T+10为事件窗口（其中，T+0为事件发生的日期，该日期如果为周末或节假日这种不交易的日期，那么就往后推延到最近的交易日期即可），计算当前“一带一路”概念成分股在2013-2018发生的七件同类事件数据准备数据获取与处理调仓逻辑（每10天调仓一次）Step1:构建选股模型(支持向量机、随机森林、神经网络)Step2:三种模型对比分析样本准备获取当前“一带一路”概念成分股选择排名前5并且预测为涨的股票持有选取排名前50的股票设置为股票池统计历史同类事件下个股平均超额收益预测模型构建
本文编号：2923114
【文章来源】：上海师范大学上海市
【文章页数】：95 页
【学位级别】：硕士
【部分图文】：
技术路线图
上海师范大学硕士学位论文第2章文献综述与相关理论13模型用于设置多个单分类器以参与预测过程的决策树。将多种分类器结合起来，结合多种分类器来提升预测精准度的一种算法。与单个分类器相比，当缺少大量数据时，大多数工作数据可以通过随机森林搜索找回，降低了算法可能形成的误差，使决策树模型的准确性得到优化。支持向量机（SVM）理论支持向量机（SVM，Supportvectormachines）技术是以数学和统计这两门学科为基础支持的学习算法。可以被用来分析数据，识别模型，分类样本和回归分析。在机器学习领域，“机”（machine）表示算法的意思。虽然都是学习算法，但与神经网络、决策树不同，支持向量机用的是数学运算和优化技术。图2-2支持向量机原理具体的操作原理是，首先给定一组样本作为训练集，样本是n维空间中的据点，把每个样本坐上标记分为两类，样本拥有各项字段变量和类别，建立一个SVM训练算法，算法利用核函数构造一个n-1维的平面把这些据点分开，使得不同类的样本距离最远，距离最远的分类器误差最小，这样的平面通常被称作线性分类器。而这个平面映射到需要预测的样本空间中，来将预测集进行分类。支持向量机可以进行非概率二元线性分类，也可以改变核函数的算法构造超平面，或在高维空间用于分类和回归。这个超平面在一个训练集中不只有一种，有很多种分类器。那么控制分类器的关键即在于支持向量机算法中的核函数的类型，以及某一输入变量的权重cost。所以时下很多数学专业和计算机专业的学者在支持向量机
第5章基于机器学习法的量化选股方案设计上海师范大学硕士学位论文30的参数调优，并进行交叉验证来对比三种模型的效果，选择最适合的预测模型进行建模；（四）股票组合构建选择排名前5并且预测为涨的股票持有。下图展示了本文的方案设计流程：图5-1方案流程步骤本章中所有仿真实验的进行都是利用了MATLAB，源数据来源于恒生聚源公司的金融数据库，通过使用MATLAB软件R2017a版本接入聚源金融终端的量化接口获得相关金融数据并进行数据处理。样本股票池构建以T+0-T+10为事件窗口（其中，T+0为事件发生的日期，该日期如果为周末或节假日这种不交易的日期，那么就往后推延到最近的交易日期即可），计算当前“一带一路”概念成分股在2013-2018发生的七件同类事件数据准备数据获取与处理调仓逻辑（每10天调仓一次）Step1:构建选股模型(支持向量机、随机森林、神经网络)Step2:三种模型对比分析样本准备获取当前“一带一路”概念成分股选择排名前5并且预测为涨的股票持有选取排名前50的股票设置为股票池统计历史同类事件下个股平均超额收益预测模型构建
本文编号：2923114
本文链接：https://www.wllwen.com/guanlilunwen/huobilw/2923114.html
