欢迎来到天天文库
浏览记录
ID:35071175
大小:6.15 MB
页数:86页
时间:2019-03-17
《基于随机森林和qga-svr的量化选股研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、#;f^乂请fSou化ChinaUniverstofTechnoloiygy硕±学位论文基于随机森林和QGA-SVR的量化选股研究作者姓名林肩敏学科专业技术经济及管理指导教师唐丽春副教授所在学院工商管理学院论文提交日期2016年4月25日UsingrandomforestandQGA-SVRforthepurposeofstockselectionADissertationSubmittedfortheDegreeofMasterCandidate:LinQiminS
2、upervisor:AssociateProf.TangLichunSouthChinaUniversityofTechnologyGuangzhou,China分类号:F830.91学校代号:10561学号:201320123442华南理工大学硕士学位论文基于随机森林和QGA-SVR的量化选股研究作者姓名:林启敏指导教师姓名、职称:唐丽春副教授申请学位级别:管理学硕士学科专业名称:技术经济及管理研究方向:项目风险管理及投资决策论文提交日期:2016年4月25日论文答辩日期:2016年5月26日学位授予单位:华南理工大学学位授予
3、日期:2016年6月28日答辩委员会成员:张鹏朱文斌曹宗平主席:张鹏委员:朱文斌曹宗平华南理工大学学位论文原创性声明本人郑重声明:所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加W标注引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体。本人完全意识到本声明的,均已在文中明确方式标明法律盾果由本人承担。。作者签名聲日期;之年令月义r日学位论文版权使用授权书良本学位论文作者完全了解学校有关保留、使用学位论文的规定
4、,日:研究生在校攻读学位期间论文工作的知识产权单位属华南理工大学。学校有权保存并向国家有关部口或机构送交论文的复印件和电子版,允许学位论文被查阅(除在保密期内的保密论文外);学校可W公布学位论文的全部或部分内容,可允许采用影印、缩印或其它复制手段保存、汇编学位论一致文。本人电子文档的内容和纸质论文的内容相。本学位论文属于:□保密,在年解密后适用本授权书。囚味保密,同意在校园网上发布,供校内师生和与学校有共享协议的单位浏览;同意将本人学位论文提交中国学术期刊(光盘版)电子杂志化全文出版和编
5、入CNKI《中国知识资源总库》,传播学位论文的全部或部分内容。""请在W上相应方框内打V()^少/6.令^作者签名:解離日期;-:xi教签名:0^指导师bs摘要目前中国股票市场上有两千多只股票,每天产生海量的金融数据,股票投资者渴望得到有效的投资信息,从中筛选出有获利潜力的股票来构建有效的投资组合。为了解决如何从大量的股票中筛选出有获利潜力的股票这个问题,量化选股已经成为投资决策研究领域的热点问题。由于股票市场是一个高维、非线性、多噪音的复杂系统,传统的线性模型已经不能很好地解决这类问题。本文针对这些问
6、题在量化选股领域,构建相应的以价值投资为导向的财务指标体系和引入先进的数据挖掘方法,进行如下研究工作:以股票选取作为研究对象,基于价值投资的视角。首先,根据对早期文献的研究,分别选取上市公司6大类16项财务指标作为输入特征变量,分别为每股价格合理性、盈利能力、财务杠杆水平、资产流动性、资金使用效率以及公司的成长能力。其次,由于这些财务特征变量中存在着冗余的信息,为了让投资者能真切地看到每个财务指标对股票收益的影响,本文选取组合算法中的随机森林算法(RF),对财务指标进行评价,筛选出重要的财务指标。第三,结合股票市场的高维复杂性,
7、由于支持向量回归机(SVR)在处理高维非线性的优越性能,并作为基本的方法框架,并利用全局搜索算法中优越的量子遗传算法(QGA)对支持向量回归机进行动态的参数寻优,分别对支持向量回归机的惩罚因子c、核参数g以及松弛变量p进行深度优化,为了验证研究量子遗传算法(QGA)对参数的优化程度,与遗传算法进行比较,保证支持向量回归机(SVR)的精确效果。第四,将支持向量回归机(SVR)与随机森林(RF)和量子遗传算法(QGA)结合起来,构建综合选股模型流程RF-QGA-SVR。第五,本文以A股市场市值最大的前200只股票2003到2014年
8、的数据作为实证对象,利用建立的RF-QGA-SVR模型对股票收益进行预测,根据预测的结果进行排序,构建投资组合,分别筛选出前10、20和30只股票组合,与市场基准的组合收益进行比较,从而得出构建的综合模型RF-QGA-SVR的有效性,在股票选择的过程中,对上市企
此文档下载收益归作者所有