基于随机森林算法的多因子量化选股方案策划
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究的目的和意义 | 第10-11页 |
| 1.3 研究的内容、方法和技术路线 | 第11-13页 |
| 1.3.1 研究内容 | 第11-12页 |
| 1.3.2 研究方法 | 第12页 |
| 1.3.3 研究的技术路线 | 第12-13页 |
| 1.4 本文的主要贡献 | 第13-14页 |
| 第2章 文献综述和相关理论 | 第14-23页 |
| 2.1 文献综述 | 第14-18页 |
| 2.2 相关理论 | 第18-23页 |
| 2.2.1 量化投资相关理论 | 第18-19页 |
| 2.2.2 多因子模型理论 | 第19-21页 |
| 2.2.3 随机森林算法理论 | 第21-23页 |
| 第3章 问题描述与分析 | 第23-31页 |
| 3.1 我国投资基金行业量化选股现状 | 第23-25页 |
| 3.1.1 朴素贝叶斯算法 | 第23-24页 |
| 3.1.2 支持向量机算法 | 第24-25页 |
| 3.1.3 随机森林算法 | 第25页 |
| 3.1.4 其他量化选股算法 | 第25页 |
| 3.2 分类算法选择 | 第25-30页 |
| 3.2.1 支持向量机与随机森林算法介绍 | 第25-28页 |
| 3.2.2 支持向量机与随机森林算法优缺点比较 | 第28-30页 |
| 3.3 本文创新点分析 | 第30-31页 |
| 第4章 基于随机森林算法的量化选股方案策划设计 | 第31-46页 |
| 4.1 方案设计的思路与方法指标介绍 | 第31-36页 |
| 4.1.1 方案设计流程 | 第31-32页 |
| 4.1.2 数据预处理使用方法介绍 | 第32-34页 |
| 4.1.3 K折交叉验证法 | 第34-35页 |
| 4.1.4 建模结果评价指标介绍 | 第35-36页 |
| 4.2 股票池和时间区间的选择 | 第36页 |
| 4.3 因子池构建 | 第36-38页 |
| 4.4 数据预处理 | 第38-40页 |
| 4.5 基于随机森林的多因子选股模型构建 | 第40-44页 |
| 4.5.1 随机森林算法多因子量化选股模型建立 | 第40-41页 |
| 4.5.2 优化详解与因子筛选 | 第41-44页 |
| 4.6 基于支持向量机的多因子量化选股 | 第44-45页 |
| 4.7 模型构建总结和策略设计 | 第45-46页 |
| 第5章 量化选股方案的合理性论证及实施 | 第46-52页 |
| 5.1 随机森林量化选股策略回测步骤 | 第46-47页 |
| 5.2 基于随机森林算法的因子选股回测 | 第47-52页 |
| 5.2.1 利用传统因子组合建模 | 第48-50页 |
| 5.2.2 调仓净值分析 | 第50-52页 |
| 第6章 结论 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 附录 | 第57-62页 |
