集成学习算法在Alpha策略中的应用研究

发布时间：2021-11-03 15:55

　　自2018年3月23日中美贸易战爆发以来,中国A股市场全面走低。截至6月22日,沪深两地股市总市值缩减70642亿元人民币,股东损失惨重。研究如何有效防范大盘带来的系统风险对每一个股市投资者来说意义重大。Alpha策略作为量化投资众多策略模型的一种,通过做多股票的同时做空股指期货,当市场暴跌时,股指期货上的盈利可以弥补股票持仓带来的的损失。Alpha策略旨在追求与市场涨跌相关性比较低的绝对收益,除了能够有效防范大盘带来的系统风险,还可防止单边做多资金被套牢的情况出现。成功实施Alpha策略的关键在于选股模型的构建,这在很大程度上依赖于模型对估值类、财务类,偿债能力类等因素的把握能力。首先,本文以A股市场中小板企业931只股票作为股票池,选取了最近六年28个常见的因子值作为特征变量,以下个月股票收益率作为标签值,构造了一个二分类问题:当下月收益率大于0记作“1”,当下月收益率小于0记作“0”,然后按照收益率取“1”的概率从大到小选取股票构建股票组合。接着对股票组合进行回测,让股票组合和大盘指数（沪深300指数）进行对比,看是否能够跑赢大盘,如果跑赢大盘说明构造的股票组合能够获取正的Alp... 

【文章来源】：浙江工商大学浙江省

【文章页数】：80 页

【学位级别】：硕士

【部分图文】：

特征变量相关性热力图

图３－２默认参数下ＸＧＢｏｏｓｔ的ＲＯＣ曲线图??用的方法是一次选择模型的两个参数在给定的范围内取值，因为参数会使搜索变得很慢，最后选择模型ＡＵＣ值最大时对应的参果。经过测试发现，并非所有的参数都会对ＡＵＣ值造成显著影改变会使得模型呈现随机变化或基本不变的状态，这类参数只需认值即可，最终需要使用网格搜索法优化的参数是ｍａｘ＿ｄｅｐｔｈｘ＿ｄｅｐｔｈ＝（３，?４，?５，?６，?７，?８），?ｓｕｂｓａｍｐｌｅ＝?（０？?６，?０？?７，０．?８，?０．?９），结果如表?

第四节构建Ｓｔａｃｋｉｎｇ集成框架??一、各个分类器分类效果对比??通过第三章对Ｓｔａｃｋｉｎｇ集成框架原理的介绍可知，Ｓｔａｃｋｉｎｇ通过采用堆叠的??技术可以将多个不同的模型融合在一起。这个“不同的模型”既包括不同类型的??模型，如Ｋ－ＮＮ、ＳＶＭ、ｌｉｇｈｔＧＢＭ、ＲＦ、ＸＧＢｏｏｓｔ等，又包括设置不同参数的??同一模型。Ｓｔａｃｋｉｎｇ集成效果的好坏主要取决于两点：首先是第一层基分类器的??分类效果，如果基分类器的分类能力越强，那么Ｓｔａｃｋｉｎｇ集成学习的效果自然是??水涨船高；然后另一个比较重要的方面就是取决于基分类器的多样性，只有当选??取的基分类器各有所长，能够优劣互补，各个基分类器结合在一起才能产生比较??

【参考文献】：
期刊论文
[1]浅议量化选股与定性选股[J]. 杨君岐,郭虹泽,杨鹏程,李齐.  时代金融. 2017(06)
[2]随机森林在量化选股中的应用研究[J]. 王淑燕,曹正凤,陈铭芷.  运筹与管理. 2016(03)
[3]中国股市“反向效应”和“动量效应”研究[J]. 朱仕青.  中国市场. 2015(38)
[4]基于Alpha策略的量化投资研究[J]. 杨喻钦.  中国市场. 2015(25)
[5]使用随机森林算法实现优质股票的选择[J]. 曹正凤,纪宏,谢邦昌.  首都经济贸易大学学报. 2014(02)
[6]量化投资盛行对中国资本市场的影响[J]. 唐炜怡,孟小菊,鄢方方.  经营管理者. 2013(31)
[7]核主成分遗传算法与SVR选股模型改进[J]. 苏治,傅晓媛.  统计研究. 2013(05)
[8]灰色神经网络在股价预测中的应用研究[J]. 张秋明,朱红莉.  计算机工程与应用. 2013(12)
[9]我国股票市场的行业阿尔法动量效应——基于正反馈交易模型的实证分析[J]. 王嵩.  世界经济情况. 2011 (01)
[10]上市公司财务指标与股票价格定位的实证分析——以深市中小板上市公司为例[J]. 赵培骞,王德华.  东方企业文化. 2007(03)

硕士论文
[1]基于stacking组合的文本情感分类研究[D]. 袁策书.华中师范大学 2017
[2]基于XGBoost算法的多因子量化选股方案策划[D]. 李想.上海师范大学 2017
[3]基于GARCH类模型的沪深300股指期货极值风险研究[D]. 于亚楠.天津大学 2017
[4]基于SOM算法的轨迹聚类选股策略[D]. 徐步云.浙江工商大学 2015
[5]量化交易在中国股市的应用[D]. 王俊杰.南京大学 2013
[6]中国股票市场选股模型实证分析[D]. 吴荻.复旦大学 2011



本文编号：3473958