基于机器学习的优化股票多因子模型

• 作者: 丁力 唐思佳 张上 熊昕 谢满
• 来源期刊: 信息与电脑
• 学科: 工学
• 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
• 年，卷（期）: 2019,（23）
• 所属期刊栏目: 算法语言
• 页码范围: 30-32
• 页数: 3页
• 分类号: TP391|F820.3
• 语种: 中文

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％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	丁力		25	9	2.0	2.0
2	张上		14	5	1.0	1.0
3	熊昕		6	1	1.0	1.0
4	谢满		2	0	0.0	0.0
5	唐思佳		3	0	0.0	0.0