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
山东大学;