多因子选股相关论文
多因子选股模型在国外已有较长的发展历史,具体方法是通过打分法或者回归法选取优质股票构建投资组合。近几年国内许多研究学者和......
量化投资在投资过程中以计算机和数学模型为媒介,具有高效、易评价、低波动的优点,而机器学习因为处理高维数据效率较高渐渐被应用......
近年来,人工智能成为学术界的研究热点,在图像识别、自然语言处理等领域得到广泛应用,对量化投资领域同样产生巨大影响。量化投资......
我国资本市场的快速发展，使得风格配置策略逐渐成为量化投资领域新的热点。本文从价值/成长风格轮动视角出发，通过非参数符号检验A股......
多因子选股模型作为量化投资策略的重要方法,在选股因子的时效性以及应对风险的择时能力方面存在较多的问题。一方面因子有效性需......
随着计算机技术的不断发展,近年来量化投资技术在中国股票市场上的应用越来越广泛。利用优质的量化投资策略模型和金融数据,往往能......
随着我国经济的快速发展和资本市场的不断壮大,我国多层次资本市场格局已经发展较为充分。资本市场的高速发展促使国民经济突飞猛......
在金融领域内,越来越多的投资者涌入市场,同时量化投资领域内的研究者也越来越多。量化选股和量化择时作为量化投资领域内两个重要......
量化投资从市场环境分析、宏观经济解读以及股票的基本面和技术面等方面入手，建立起可持续使用的数学模型，在市场上寻找盈利机会。该......
随着信息技术的不断发展,各种数据处理技术和机器学习算法大量被应用在金融领域,正在深刻地影响着行业发展的方方面面。机器学习模......
组合投资理论一直是金融投资的一个重要研究热点,其主要目的是分散风险,获得收益。现代投资策略主要分为主动投资及被动投资,两种......
随着我国证券市场的发展不断完善和量化投资技术发展的双重推动,量化投资逐渐受到国内投资者,特别是机构投资者的重视,很多机构投......
随着计算机技术的日臻完善和量化投资在海外发达国家迅猛发展,海外金融机构已经有了成熟而又完善的多因子量化模型,能够不断从市场......
量化投资最早可追溯至上世纪五十年代,至今已有六十多年的历史。随着计算机技术和大数据技术的飞速发展,量化投资再次成为了当下投......
由于机器学习模型在信息挖掘和非线性信息获取上的优秀性能,多因子选股和机器学习模型的结合在量化选股模型中逐渐受到重视,并随着......
在金融市场中,如何将投资与数学理论结合起来长久以来一直是学者及从业者们热衷的议题,因此量化投资应运而生。量化投资是用金融学......
近年来,多目标优化问题是工业界与科学研究领域中的研究热点。多目标优化算法的目的是获得一组均匀分布在整个帕累托前沿面上的最......
Stacking方法是机器学习中一种重要的集成算法.本文利用Stacking方法将决策树(DT)、逻辑回归(LR)、支持向量机(SVM)和神经网络(BP)......
通过选股因子池的构建与部分冗余因子的剔除,选取出包括基本面与技术面指标在内的23个选股因子,同时建立出一种熵权TOPSIS多因子选......
基于沪深300、中证500、中证全指从时间节点和因子暴露两个角度选择了相关因子,并进行了因子相关性分析,从多因子中筛选得到三组多......
弹性网(Elastic Net)是多因子量化选股的有效模型。文章采用逻辑回归中的交叉熵损失函数替代弹性网中均方误差损失函数,建立了逻辑......
针对传统的分类方法没有考虑特征之间的交互作用而导致分类效果不明显的问题,提出一种信息熵-逻辑回归弹性网模型(IE-LR-ElasticNe......
北上资金作为A股市场上的外资“热钱”,又称“smart money”。作为A股市场上最大的增量资金,北上资金的动向,在选择行业投资机会和......
以大数据为基础,通过云平台从海量的数据中挖掘出有效量价因子,经过因子预处理、筛选、组合,得到最终因子集,并构建二次规划的优化......
随着计算机技术的飞速提升和我国资本市场不断地发展与改革,人们的投资理念越来越理性,以计算机技术为依据的量化投资应运而生。量......
金融市场具有着高回报高风险的特点,于是如何在追求高回报的条件下尽可能的降低风险,成了近些年来,机构追寻的目标。量化投资就是......
近年来,国内证券市场量化投资逐步兴起,已成为机构投资者投资决策时的重要工具之一。受制于市场不成熟,国内证券市场爆发过数次大......
考虑到股票数据存在着纷繁复杂的关系,本文利用Stacking方法将随机森林(Random Forest)、梯度提升树(GBDT)、XGBoost和神经网络(BP......
大数据时代,深度学习算法的不断完善丰富了量化投资领域的分析方法,在众多量化投资策略中,多因子选股策略因其稳定的收益而备受投......
在本次研究中,通过python语言训练合适的GBDT模型(GradientBoostingRegression),预测股票未来收益,从而选取适当数量的股票,实现更......
随着计算机技术崛起以及我国金融市场的不断完善，量化投资作为一种科学有效的投资方法得到高度重视和广泛应用。其中，多因子策略是体......
多因子选股模型是当下最热门的量化选股模型之一.借助聚类算法发现几类具有明显特征的股票,再根据其权重特征的表现,筛选出需要的......
期刊
多因子模型的核心是因子的选择,提取有效因子,构造最优因子组合,才能保证投资策略的有效性.本文所设计多因子Alpha策略基于国内市......
本文侧重于检验加入风格轮动后的多因子选股模型是否具有提高绩效的作用，在实证研究中会将该模型与直接运用多因子选股模型后的结果......
2014年是对冲基金的寒武纪年,对冲基金的投资收益即来自于超越市场的超额收益即Alpha收益。本文着重对2014年的沪深证券市场内中小......
为了避免股票市场中因子之间复杂非线性关系引起的多因子选股模型过拟合现象,基于因子偏离度对股票因子数据进行分析,筛选影响股票......
针对高维度数据集特征之间的复杂性,而传统的L1惩罚项不满足Oracle性质的无偏性,将逻辑回归弹性网(LR-Elastic Net)中的L1惩罚项替......
智能高效的投资组合分析对于个人投资者判断金融市场未来趋势,及时地调整投资组合、规避投资风险和提高投资收益具有重要意义。由......
近年来,机器学习技术在完善传统金融投资模型中的应用受到了学术界和金融界的广泛关注。以沪深300股票为研究对象,利用Adaboost提......
从九十年代以来,我国的资本市场和证券市场取得了快速的发展。我国的资本市场从最初的仅仅有几十家上市公司,发展到今天的三千多家......
近年来,随着计算机硬件计算能力的显著提高以及人工智能的飞速发展,量化投资开始在中国金融市场崭露头角。借助于大数据的发展趋势......
我国资本市场的日渐成熟使得理性投资者越来越多,量化选股的应用越来越广泛。在量化选股理论中,多因子选股模型逻辑清晰、选股效果......
本文首先采用因子分析方法对TMT板块上市公司股票进行投资价值实证研究,选择了九个具有代表性的财务指标,通过SPSS应用软件筛选出......
自1990年以来,我国证券市场从无到有,日趋成熟。传统通过个人直觉、经验、观察进行投资的主观投资模式显得越来越力不从心。无数历......
随着计算机和信息技术的发展,人们在股票市场的投资方式不再局限于传统投资的技术分析和基本面分析,基于二者的量化投资走进了人们......
学位
随着我国金融市场的不断完善,量化投资在我国的发展也越来越快,量化投资基金也越来越多。而量化多因子选股模型因为其风险可控性好......
量化投资是一种从历史数据提取出有效经验,并将这种经验应用于指导未来的一种投资方式。与传统的主观投资不同,量化投资不受人的主......
量化投资凭借其非凡不俗的业绩表现,逐渐进入广大投资者的视野,在过去的40年里颠覆了传统的投资哲学,被誉为“投资界的革命”。随......
围绕多量价因子选股模型,通过因子计算、特征处理、单因子分析,以及基于XGBoost机器学习的日频滑动窗口模型搭建,计算出XGBoost模......
