基于EKPCA算法的多因子选股模型研究

• 作者: 戴凌飞 房厚庆 陈婷婷 黄钰
• 来源期刊: 金融
• 学科: 经济
• 关键词: 模型 成分 算法 核主 回归方程 投资
• 年，卷（期）: jr_2019,（4）
• 页码范围: 327-340
• 页数: 14页
• 分类号: F2

摘要

多因子选股模型是量化投资中的主流方法。本文首次引入高效的核主成分分析(Efficient Kernel Principal Component Analysis, EKPCA)算法,以高效的核主成分为自变量建立回归方程预测收益率,构建多因子选股模型。本文基于上证180的成分股进行实证分析,选取包含基本面、技术指标及投资者情绪指标等50多个影响因子,引用EKPCA算法确定基本模式,在高维特征空间提取高效核主成分。与经典KPCA算法对比,EKPCA算法具有更高的特征抽取效率。回测结果显示,构造的投资组合的贝塔系数和夏普比率在所选时间段内均优于市场基准水平,这表明该模型具有较好的选股效果。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈婷婷	江苏大学理学院	16	49	4.0	6.0
2	房厚庆	江苏大学理学院	7	3	1.0	1.0
3	黄钰	江苏大学理学院	1	0	0.0	0.0
4	戴凌飞	江苏大学理学院	1	0	0.0	0.0