基于机器学习的股票特征预测机构持股研究

本文基于2006年-2017年沪深300中141支高机构持股比例的股票数据进行实证研究,分析机构增持股的CAR,建立集成SVM,Random Forest,XGBoost三大机器学习算法的多数投票分类器,利用上市公司13个财务和非财务特征数据预测机构投资者在季度末的增减持行为,根据shaply value分析机构持股偏好。结果表明:机构增持股在季度报披露前具有正CAR,分类器增减持分类预测准确率最高达88. 89%,总资产周转率,净资产收益率和市净率对机构持股影响显著。这表明机构增持股能获取超额回报,机构择股能力强,持股行为具有可预测性,持股偏好具有可识别特征。个人投资者可以在季度末利用分类器预测机构持股行为,在季度报披露前跟进以获取超额回报。