摘要
随着国家经济的快速发展,股票市场不断完善,购买股票成为投资者们的重要的理财方式之一。比起易受主观情绪所干扰的传统选股方法,量化投资以其客观、系统、效率高的特点,在国内不断普及,为机构和个人选股提供了新思路。同时,伴随着计算机技术的不断革新,机器学习逐渐应用于各个领域,将机器学习同量化投资相结合进行选股成为关注的重点。本文采用机器学习的方法,与多因子选股模型相结合,对2018年到2022年的沪深300指数所有成分股数据进行分析。文章首先介绍所使用的模型和方法的原理,然后运用主成分分析方法,对所选取的数据进行降维,将2018年到2021年的数据作为训练集,运用机器学习算法对数据进行模型拟合和参数调整,将2022年前两个季度的数据作为测试集,用调整后的模型进行预测,构造投资组合,与同期的沪深300收益率进行比较。通过结果可以看出,多种机器学习的模型都有不错的表现,其中卷积神经网络模型构造的投资组合收益率更高,更加稳定。
