基于神经网络方法的A股市场多因子选股策略研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 相关领域研究现状 | 第11-13页 |
| 1.2.1 多因子策略研究现状 | 第11-12页 |
| 1.2.2 神经网络技术研究现状 | 第12页 |
| 1.2.3 文献评述 | 第12-13页 |
| 1.3 论文框架结构 | 第13-16页 |
| 1.3.1 研究思路 | 第13-15页 |
| 1.3.2 行文框架 | 第15页 |
| 1.3.3 技术框架 | 第15-16页 |
| 第二章 相关理论概述 | 第16-27页 |
| 2.1 量化投资概念 | 第16-18页 |
| 2.1.1 量化投资理论介绍 | 第16页 |
| 2.1.2 国内外量化投资发展情况 | 第16-18页 |
| 2.2 多因子量化选股策略理论 | 第18-21页 |
| 2.2.1 多因子量化选股策略的介绍 | 第18-19页 |
| 2.2.2 多因子量化选股策略的方法 | 第19-20页 |
| 2.2.3 多因子量化选股策略的优势 | 第20-21页 |
| 2.3 神经网络理论 | 第21-27页 |
| 2.3.1 神经网络理论介绍 | 第21-23页 |
| 2.3.2 神经网络具体工作原理介绍 | 第23-26页 |
| 2.3.3 神经网络模型的优势 | 第26-27页 |
| 第三章 数据的获取与预处理 | 第27-37页 |
| 3.1 数据获取途径 | 第27-35页 |
| 3.1.1 时间段与股票个数选取说明 | 第27-28页 |
| 3.1.2 A股交易信息历史数据的获取说明 | 第28-30页 |
| 3.1.3 A股上市公司财务数据获取说明 | 第30-34页 |
| 3.1.4 A股上市公司收益率数据获取说明 | 第34-35页 |
| 3.2 数据预处理 | 第35-37页 |
| 3.2.1 数据的合并 | 第35页 |
| 3.2.2 无效数据与缺失数据的处理 | 第35-36页 |
| 3.2.3 数据的矩阵化 | 第36页 |
| 3.2.4 两组数据的使用说明 | 第36-37页 |
| 第四章 有效因子的选取 | 第37-44页 |
| 4.1 因子的分类 | 第37页 |
| 4.2 因子与收益率单调性关系 | 第37-40页 |
| 4.3 因子间相关系数关系 | 第40-42页 |
| 4.4 确定有效因子 | 第42-43页 |
| 4.5 神经网络选择因子补充说明 | 第43-44页 |
| 第五章 神经网络模型的建立 | 第44-58页 |
| 5.1 数据标准化 | 第44页 |
| 5.2 开发集、验证集、测试集划分 | 第44-45页 |
| 5.3 建立多层神经网络模型 | 第45-57页 |
| 5.3.1 损失函数与评价指标 | 第45-46页 |
| 5.3.2 激活函数的选择 | 第46-51页 |
| 5.3.3 隐藏层数量的选择 | 第51-53页 |
| 5.3.4 神经元数量的选择 | 第53-54页 |
| 5.3.5 正则化和Dropout | 第54-56页 |
| 5.3.6 优化器选择对比与学习效率选择 | 第56-57页 |
| 5.4 基础参数选取 | 第57-58页 |
| 第六章 神经网络多因子策略的验证 | 第58-65页 |
| 6.1 模型在测试集上的选股验证结果 | 第58-60页 |
| 6.2 模型在未来数据上的验证结果 | 第60-61页 |
| 6.3 模型的长期对比验证 | 第61-65页 |
| 第七章 结论与展望 | 第65-68页 |
| 7.1 总结 | 第65页 |
| 7.2 下一步优化 | 第65-66页 |
| 7.3 不足之处 | 第66-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-70页 |
