基于机器学习的投资组合选择研究

• 作者: 尹兴广
• 来源期刊: 信息系统工程
• 关键词: 投资组合优化 夏普比率 机器学习 上证100 混合预测
• 年，卷（期）: 2021,（12）
• 所属期刊栏目: 学术研究
• 页码范围: 128-131
• 页数: 4页
• 语种: 中文
• DOI: 10.3969/j.issn.1001-2362.2021.12.033

摘要

将股票收益预测结果与投资组合优化模型相结合,可以给投资者带来更稳定且高额的回报.近年来,机器学习和深度学习模型在时间序列预测中取得了很大的成功.基于随机森林(RF)、支持向量回归(SVR)和长短期记忆网络(LSTM)3种模型提出了一种混合预测方法以使产生的预测误差最小.进而基于预测误差,构建一个风险指标对传统的均值-方差(MV)模型进行改进,提出一种新的投资组合模型.实验数据采用上证100中20支成分股2006-2020年的15年的日数据.最后,通过比较各个策略的累计收益、年化收益、夏普比率等指标证明了论文所提出投资组合选择模型的优越性.