基于机器学习的优化股票多因子模型

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

所属期刊栏目：31

分类号：TP391;F820.3(计算技术、计算机技术)

资助基金：赛尔网络下一代互联网技术创新项目;宜昌市自然科学基金项目

在线出版日期：2020-03-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：30-32