基于半参数回归收益率预测的多因子量化选股分析研究

目录

声明

摘要

1．1．1研究背景

1．1．2研究意义

1．2本文结构与创新点

1．2．1本文结构

1．2．2本文创新点

2．1量化选股简述

2．2多因子选股模型

2．2．1因子的有效性检验

2．2．2选股模型评分方法

2．2．3模型评价指标

2．3半参数模型相关理论

2．3．1非参数与半参数统计

2．3．2常用非参数模型的光滑算法

2．3．3半参数回归模型

2．4有效因子筛选方法

2．4．1Lasso算法

2．4．2MIV算法

2．5．2国内文献综述

2．6本章小结

第三章实证设计

3．1数据来源与样本设计

3．2搭建因子池

3．3数据预处理

3．4因子有效性分析

3．5因子筛选模型设计

3．5．1基于Lasso算法的因子筛选

3．5．2基于Adaptive Lasso算法的因子筛选模型

3．5．3基于逐步回归算法的因子筛选模型

3．5．4基于MIV-BP神经网络的因子筛选模型

3．6基于回归法预测的选股策略

3．6．1基于部分线性模型收益率预测的选股策略

3．6．2基于神经网络-半参数回归模收益率预测的选股策略

3．7本章小结

4．1因子描述性统计

4．2单因子有效性分析

4．3收益率半参数模型正态性检验

4．4因子筛选结果及分析

4．4．1Lasso算法因子筛选结果

4．4．2Adaptive Lasso算法和逐步回归算法因子筛选结果

4．4．3MIV-BP神经网络算法因子筛选结果

4．4．4因子筛选结果分析

4．5回归模型建立

4．5．1建立部分线性回归模型

4．5．2建立神经网络-半参数回归模型

4．6股票组合回测结果及分析

4．6．1回测方法

4．6．2模型回测结果说明

4．7股票组合滚动回测

4．8本章小结

5．1主要研究结论

5．2给投资者的建议

5．3存在的不足

参考文献

致谢