科研之友
微信
新浪微博
Facebook
分享链接
摘要
传统机器学习算法在量化投资上的应用大多是数据挖掘式的全盘决策,但较少被用于优化现有金融学定价模型。因此,本文提出一种基于支持向量机的优化多因子价值投资模型,该模型首先以估值、质量类因子作为评分指标构建多因子价值投资模型,再将基于价值因子的多维指标作为输入变量,训练并建立多截面期支持向量机模型。通过对各期候选股进行0-1预测分类,选取"未来20日夏普率高居前30%"的1类股票构建优化投资组合;最后依据技术指标构建动态仓位调整法则,以达到控制风险及回撤的目的。实证结果表明:在70%的调整仓位下,策略最终年化收益为25.08%,夏普率为1.24,远超同期沪深300指数。
- 单位
