基于改进的GBDT的量化投资模型

发布时间：2021-10-30 04:18

　　近几年,量化投资凭借纪律性、准确性等优势迅速发展壮大,成为投资理论与策略的主要研究方向之一.随着量化投资在国内的发展,运用机器学习算法和股票数据建立量化投资模型预测股票市场未来趋势已经成为国内量化投资的热门方向之一.目前国内的量化投资在预测股票未来趋势的问题上主要涉及两个问题——选择计算机算法和建立数学模型.本文的研究工作包括两部分:基于GBDT组合算法的五因子模型和基于RF-GB算法的趋势追踪模型.本文首先构建GBDT组合算法,然后建立了一个在逻辑上具有普遍的适用性的五因子模型.在股票趋势预测中,多因子模型的有效性已经被证实.本文将改进的GBDT算法与多因子模型相结合,首先运用贡献度和相关性分析对股票因子进行筛选,得到由五个最优因子构建的多因子模型.然后运用GBDT算法预测股票趋势.实证分析表明基于GBDT组合算法构建的五因子模型能够有效的预测股票未来趋势.本文在随机森林算法和GBDT算法的基础上构建了 RF-GB算法.RF-GB算法结合了随机森林和GBDT算法的优势,一定程度上提升了 GBDT算法的性能,实证表明RF-GB算法的预测精度优于单个的随机森林算法和GBDT算法.根据股票... 

【文章来源】：广西大学广西壮族自治区 211工程院校

【文章页数】：55 页

【学位级别】：硕士

【部分图文】：

图３－１因子之间的相关性??Ｆｉｇｕｒｅ?３－１?Ｃｏｒｒｅｌａｔｉｏｎ?ｂｅｔｗｅｅｎ?ｆａｃｔｏｒｓ??根据前文的筛选方法，可以得到五个最优股票因子（表３－３）．其中，任意两个因ｆ??间的相关系数｜ｒ｜ｅ［（Ｘ０．５；），任意一个因子的贡献度（：？，都大于０．３．??

ｒｖ?，ｖｖｖ＾ｖ＞Ｓｉｇｎａｌ：＜?．?（４．２３）－１，?ＤＩＦｖ＜ＤＩＦｔ?，?＆?ＤＩＦｔ＜ＤＥＡｖ?＆?ＤＩＦ＾，?＞ＤＥＡｖ＆?ＤＩＦｖ?＜０??其中，股票的买入信号为＋１，卖出信号为－１．??４．４实证分析??本章验证趋势追踪模型的基础上，ＲＦ－ＧＢ算法优于随机森林和ＧＢＤＴ；基于ＲＦ－Ｇ算法的组合趋势追踪模型的收益高于基准收益．??４．４．１数据的预处理??本文获取了通联数据库２０１６年１月至２０１７年丨２月的沪深３００股票集合的股票据，并按照上节内容计算单个技术指标的信号和组合技术指标的信号．结合随机森林法较难处理连续数值的特点，本文将原始的、连续的信号转化为离散信号．??

图４－２算法预测精度??Ｆｉｇｕｒｅ?４－２?Ｐｒｅｄｉｃｔｉｏｎ?ａｃｃｕｒａｃｙ?ｏｆ?ａｌｇｏｒｉｔｈｍ??通过分析算法精度的平均值与均值，＂〗以看出ＲＦ－ＧＢ算法具有Ｍ高的平均值０．４０８，??


本文编号：3466035