基于递归特征消除和Stacking集成学习的股票预测实证研究

作者：黄秋丽; 黄柱兴; 杨燕^*

来源：南宁师范大学学报(自然科学版), 2021, 38(03): 37-43.

DOI：10.16601/j.cnki.issn2096-7330.2021.03.008

• 股票
• 递归特征消除
• Stacking集成学习
• 沪深300
• 收益率

该文以沪深300为投资标的池,选取波动指标、收益指标、经典技术指标和交易指标等4大类指标共24个二级指标作为评价因子,用递归特征消除法结合Stacking集成学习以及传统的随机森林、支持向量机和逻辑回归等4个机器学习算法分别构建分类模型,预测投资标的池中周频收益率排名前20%的股票标的,为投资者提供量化投资策略.实证研究对这4个模型的分类预测效果进行了比较.结果表明,基于递归特征消除法和Stacking集成学习的模型的预测性能最高,其AUC值达到0.644 7,准确率为60.21%,精确率为59.87%,召回率为62.65%,F1值为61.23%.因此,基于递归特征消除法和Stacking集成学习的模型能够有效地为投资者选取高收益率的投资标的,是一个可行的基于机器学习的量化投资策略.

• 单位
  南宁师范大学