|
|||||
|
|
| 基于机器学习的优化股票多因子模型 | |
| 作者单位： | ;1.三峡大学计算机与信息学院 |
| 摘 要： | 笔者旨在构建机器学习优化股票多因子模型,用以处理A股市场风格切换和选股问题来最终获得超额收益,首先构建因子分析模型来筛选出7个最优因子,进而构建基于机器学习的随机森林模型,通过随机森林回测某段时间的股票波动情况。该模型分别从因子表达、机器学习算法两个角度对A股市场股票的波动规律进行研究,获取最大回撤的超额收益。笔者使用公开的2016年1月1日至2018年9月30日我国A股市场的数据对算法性能进行评估。实验结果显示回测的正确率为83%,收益的平均利率约为1.57%。 |
| 关 键 词： | 计算机应用 超额收益 随机森林 熵风险 机器学习算法 |
Optimized Stock Multi-factor Model Based on Machine Learning |
|
| Abstract: | |
| Keywords: | |