| 摘要 | 第2-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-18页 |
| 1.1 研究背景 | 第8-13页 |
| 1.1.1 国内证券投资市场发展现状 | 第8-9页 |
| 1.1.2 量化投资的发展 | 第9-11页 |
| 1.1.3 机器学习算法的发展 | 第11-13页 |
| 1.2 量化策略方案策划的意义 | 第13-15页 |
| 1.3 研究内容、方法和技术路线 | 第15-16页 |
| 1.3.1 研究内容和方法 | 第15页 |
| 1.3.2 研究技术路线与论文框架 | 第15-16页 |
| 1.4 主要贡献 | 第16-18页 |
| 第2章 文献综述与相关理论 | 第18-34页 |
| 2.1 文献综述 | 第18-21页 |
| 2.2 量化投资相关理论 | 第21-34页 |
| 2.2.1 量化投资特点及发展 | 第21-26页 |
| 2.2.2 量化投资主要内容 | 第26-30页 |
| 2.2.3 量化投资的主要方法和技术手段 | 第30-34页 |
| 第3章 多因子量化选股策略剖析 | 第34-41页 |
| 3.1 量化策略的市场应用分析 | 第34-36页 |
| 3.2 量化策略的分类 | 第36-38页 |
| 3.3 传统多因子选股策略改进点分析 | 第38-41页 |
| 第4章 多因子量化选股方案策划 | 第41-64页 |
| 4.1 方案设计框架 | 第41页 |
| 4.2 因子池构建与数据预处理 | 第41-47页 |
| 4.2.1.构建因子池 | 第41-44页 |
| 4.2.2.数据预处理 | 第44-47页 |
| 4.3 分类算法选择 | 第47-55页 |
| 4.3.1 XGBoost算法原理 | 第47-50页 |
| 4.3.2 SVM、随机森林和XGBoost优缺点分析 | 第50-53页 |
| 4.3.3 SVM、随机森林和XGBoost建模效果对比 | 第53-55页 |
| 4.4 多因子选股模型构建 | 第55-64页 |
| 4.4.1 XGBoost算法参数优化详解及因子筛选 | 第55-63页 |
| 4.4.2 模型构建总结 | 第63-64页 |
| 第5章 方案评估及实施建议 | 第64-70页 |
| 5.1 XGBoost选股模型准确率及回测结果分析 | 第64-67页 |
| 5.1.1 模型准确率评价 | 第64页 |
| 5.1.2 历史回测业绩评价 | 第64-67页 |
| 5.2 基于传统因子数量的XGBoost选股模型结果比较 | 第67-69页 |
| 5.2.1 传统候选因子的选取 | 第67-68页 |
| 5.2.2 传统因子数量的模型建立及回测表现 | 第68-69页 |
| 5.3 股指期货对冲优化窥探 | 第69-70页 |
| 第6章 总结与展望 | 第70-72页 |
| 参考文献 | 第72-74页 |
| 附录 | 第74-90页 |
| 致谢 | 第90-91页 |
