随着国民生活水平的提高,越来越多的人投身于股票市场.为了科学有效地量化选股,通过将量化投资、深度学习及文本分析进行有机结合,来建立量化选股模型.首先,通过文本分析筛选出基本面利好的股票;然后,通过长短期记忆(long-short term me...随着国民生活水平的提高,越来越多的人投身于股票市场.为了科学有效地量化选股,通过将量化投资、深度学习及文本分析进行有机结合,来建立量化选股模型.首先,通过文本分析筛选出基本面利好的股票;然后,通过长短期记忆(long-short term memory,LSTM)选出预测准确度良好的股票;最后,预测所选出的股票在未来几天的股价趋势.在实证分析方面,通过本模型对部分股票进行运算,选取预测效果较好的股票:赢合科技.展开更多
对深度森林的级联层进行子层再连接,建立了子层连接深度森林(sub-layer connection deep forests,SCDF)的分类算法。级联子层之间通过错误分类信息的传递,使得后续的子层能获得前子层的修正特征,从而有效提升了算法的收敛速度和分类正...对深度森林的级联层进行子层再连接,建立了子层连接深度森林(sub-layer connection deep forests,SCDF)的分类算法。级联子层之间通过错误分类信息的传递,使得后续的子层能获得前子层的修正特征,从而有效提升了算法的收敛速度和分类正确率。在深度森林的多粒度扫描部分,利用袋外误差对数据特征的重要性进行排序,使重要性较高的因子可多次参与多粒度扫描,弥补了深度森林多粒度扫描的采样不平衡的缺点,并构建了基于特征换序的SCDF多因子选股模型。实验表明,基于特征换序的SCDF多因子选股模型在2020年1月—2022年1月的沪深300股票的年化收益率为26.47%,累计收益率达到120%,优于深度森林的收益率。展开更多
文摘随着国民生活水平的提高,越来越多的人投身于股票市场.为了科学有效地量化选股,通过将量化投资、深度学习及文本分析进行有机结合,来建立量化选股模型.首先,通过文本分析筛选出基本面利好的股票;然后,通过长短期记忆(long-short term memory,LSTM)选出预测准确度良好的股票;最后,预测所选出的股票在未来几天的股价趋势.在实证分析方面,通过本模型对部分股票进行运算,选取预测效果较好的股票:赢合科技.
文摘对深度森林的级联层进行子层再连接,建立了子层连接深度森林(sub-layer connection deep forests,SCDF)的分类算法。级联子层之间通过错误分类信息的传递,使得后续的子层能获得前子层的修正特征,从而有效提升了算法的收敛速度和分类正确率。在深度森林的多粒度扫描部分,利用袋外误差对数据特征的重要性进行排序,使重要性较高的因子可多次参与多粒度扫描,弥补了深度森林多粒度扫描的采样不平衡的缺点,并构建了基于特征换序的SCDF多因子选股模型。实验表明,基于特征换序的SCDF多因子选股模型在2020年1月—2022年1月的沪深300股票的年化收益率为26.47%,累计收益率达到120%,优于深度森林的收益率。