基于朴素贝叶斯的量化选股策略研究——以有色金属行业为例

摘要

随着互联网和计算机技术的发展,数据挖掘在现今商业环境中扮演着越来越重要的角色.其中朴素贝叶斯分类器由于其稳定的分类效率以及简易的算法也成为了主要的数据挖掘工具之一.本文将选用朴素贝叶斯模型进行股票量化交易领域的研究,旨在在有色金属行业中选出优质股票以提高收益.本文提取包括盈利能力、营运能力、成长能力、偿债能力、现金流量六大方面,共30个因子,然后对其进行主成分分析进行降维主要作为股票分类特征.通过朴素贝叶斯筛选出高收益率股票,然后以公司市值进行加权构造投资组合.本文在训练和验证模型时,采用了基于时间序列的交叉验证方法,对构造的投资组合的收益率进行回测,验证朴素贝叶斯算法在选股中的有效性并找出该算法的不足之处.