基于机器学习LightGBM算法的股票投资策略研究——以次新股为例

发布时间：2024-05-23 01:20

　　近年来,将机器学习应用于量化投资领域在学界和业界都是非常重要的研究课题,机器学习具有超强的数据处理能力,可以帮助投资者处理股票市场庞杂的数据信息,在量化投资领域有着极强的发展潜力。与此同时,随着A股市场IPO常态化不断推进,次新股的投资环境发生了巨大变化,投资者急需探索新的次新股投资方式。在此背景下,本文选择了近年来表现突出的LightGBM算法,对次新股进行量化投资研究,并构建相应的投资策略。本文首先对次新股进行研究,分析了次新股的股价变动特征以及IPO政策的影响,通过对Wind次新股指数与沪深300指数进行比较分析,说明次新股市场趋于理性、传统投资方式很难获得超额收益的现状。随后选取了 259个候选因子,以2016-2020年的A股市场次新股数据为样本,利用LightGBM、XGBoost、SVM三种机器学习算法分别构建选股模型,从定性和定量两方面进行比较,发现LightGBM算法在各方面都显著优于其他两种算法。最后本文以选股模型为基础,结合A股市场交易规则,构建了四种次新股投资策略,并进行策略回测,回测发现,基于LightGBM算法持股十日的投资策略,年化收益率达到了 105.9...

【文章页数】：77 页

【学位级别】：硕士

【部分图文】：

图１－２研究框架??资料来源：作者归纳??

?基于机器学习ＬｉｇｈｔＧＢＭ算法的股票投资策略研究——以次新股为例???发展过程，总结机器学习量化投资的研宄理论。结合前沿文献，判断未来量化??投资行业的发展方向，评估机器学习量化投资的发展前景。??（２）定量分析法??利用定量的方法对各机器学习算法进行比较；利用统计学方法对次....

图２－４核函数原理??

?基于机器学习ＬｉｇｈｔＧＢＭ算法的股票投资策略研究一－以次新股为例???过拟合、高维度等问题。??ＳＶＭ算法的机理是寻找一个满足分类要求的最优分类超平面，使得该超平面??在保证分类精度的同时，能够使超平面两侧的空白区域最大化。理论上，ＳＶＭ??能够实现对线性可分数据的最优分类（....

图２－３?ＳＶＭ线性分类??

?基于机器学习ＬｉｇｈｔＧＢＭ算法的股票投资策略研究一－以次新股为例???过拟合、高维度等问题。??ＳＶＭ算法的机理是寻找一个满足分类要求的最优分类超平面，使得该超平面??在保证分类精度的同时，能够使超平面两侧的空白区域最大化。理论上，ＳＶＭ??能够实现对线性可分数据的最优分类（....

图２－８直方图差加速??

?基于机器学习ＬｉｇｈｔＧＢＭ算法的股票投资策略研究——以次新股为例???ＬｉｇｈｔＧＢＭ使用带有深度限制的按叶子生长（ｌｅａｆ－ｗｉｓｅ）的生长策略，是??一种更为高效的策略。该方法在每层决策树叶子进行分裂时，找到分裂增益最??大的一个叶子，然后分裂，如此循环。Ｌｅａｆ－ｗｉｓ....

本文编号：3980798