基于XGBoost算法的多因子量化選股方案策劃.pdf

1、近年來(lái)，量化投資憑著其紀(jì)律性、系統(tǒng)性、及時(shí)性及分散化的特點(diǎn)，日益受到機(jī)構(gòu)投資者和對(duì)沖基金的重視。同時(shí)，我國(guó)證券投資市場(chǎng)的規(guī)模和證券開(kāi)戶數(shù)都在迅猛的增加，從我國(guó)證券市場(chǎng)有效性和國(guó)外證券市場(chǎng)的發(fā)展經(jīng)驗(yàn)來(lái)看，量化投資的發(fā)展前景毋庸置疑且值得期待。盡管如此，目前國(guó)內(nèi)量化投資產(chǎn)品依然存在總體規(guī)模小、量化策略單一、策略業(yè)績(jī)分化等缺點(diǎn)。此時(shí)，研究新的量化投資方式和挖掘新的建模思路的重要性對(duì)于豐富量化投資產(chǎn)品，提升市場(chǎng)規(guī)模，推動(dòng)量化投資的發(fā)展意義重大。

2、
　　在眾多的量化策略中，多因子選股策略憑借其穩(wěn)定性和覆蓋廣等優(yōu)勢(shì)被許多研究者關(guān)注。多因子選股量化策略方案主要致力于解決多因子的選取夠全面，其次是分類(lèi)模型有良好的泛化能力，基于此兩大方向，本文都進(jìn)行了一定的優(yōu)化和改進(jìn)，其一本文首次相對(duì)全面的搜集了因子數(shù)據(jù)，除了大部分研究者使用的財(cái)務(wù)、紅利、動(dòng)量等因子，總共使用了307個(gè)因子，我還加入了規(guī)模、估值、宏觀、債券和樓市相關(guān)因子;其二本文首次使用較為新穎的XGBoost提升算法，此算法的主

3、要優(yōu)勢(shì)是:XGBoost支持線性分類(lèi)器，而且自帶L1和L2正則化項(xiàng)的邏輯回歸或者線性回歸。其次，XGBoost在代價(jià)函數(shù)里加入了正則項(xiàng)，使學(xué)習(xí)出來(lái)的模型更加簡(jiǎn)單，防止過(guò)擬合;最后，XGBoost借鑒了隨機(jī)森林的做法，支持列抽樣，不僅能降低過(guò)擬合，還能減少計(jì)算，并且XGBoost工具支持并行，速度較快。并比較了SVM、隨機(jī)森林和XGBoost三種算法的優(yōu)缺點(diǎn)和建模交過(guò)對(duì)比，證實(shí)XGBoost算法效果和穩(wěn)定性最好;其三，本文改變了以往的因子