# Machine Learning-driven Quantamental Investing (机器学习驱动的基本面量化投资研究)
This repository contains the codes and data for the paper “Machine Learning-driven Quantamental Investing" published in a Chinese journal.
Bin Li, Xinyue Shao, and Yueyang Li. 2019. "Machine Learning-driven Quantamental Investing". China Industrial Economics, (08): 61-79.
Abstract: Quantamental investing is an emerging hot topic in financial technology and quantitative investments. As a representative technique in Artificial Intelligence (AI), machine learning can significantly improve the prediction task in economics and management. This paper investigates the application of machine learning in quantamental investing. Based on 96 anomaly factors in Chinese markets ranging from January 1997 to October 2018, we adopt LASSO regression, Ridge regression, Elastic Net, Partial Least Square, Forecast Combination, Support Vector Machine, Gradient Boost Tree, Extreme Gradient Boost Tree, Ensemble Neural Network, Deep Feedforward Network, Recurrent Neural Network, and Long-Short Term Memory to build stock return prediction model and construct portfolios. Empirical evidence shows that machine learning algorithms can efficiently identify complex patterns among anomaly factor and excess return, the investment strategy can deliver better performance than the traditional linear model and all factors. Long-short portfolios based on the forecast of Deep Feedforward Network can obtain a monthly return of 2.78%. We further evaluate factors’ importance in the prediction model, and find that trading friction factors demonstrate better predictive ability in the Chinese stock markets. Deep Feedforward Network driven quantamental investing models running on the selected feature set provide the best performance of 3.41% per month. This study introduces the machine learning techniques to the research on quantamental investing, which will further facilitate the joint research on artificial intelligence, machine learning and economics and management and finally will boost the national strategy of artificial intelligence.
Key Words: quantamental investing; machine learning; market anomaly factors; deep learning
JEL Classification: C8, G0, 011
本站点包含了李斌等(2019)的附件材料,包含完整的数据集和程序,以及论文附录等。
李斌, 邵新月, and 李玥阳. 2019. “机器学习驱动的基本面量化投资研究.” 中国工业经济 (08): 61–79.
摘要:基本面量化投资是近年来金融科技和量化投资研究的新热点。作为人工智能的代表性技术,机器学习能够大幅度提高经济学和管理学中预测类研究的效果。本文系统性地运用机器学习,来提升基本面量化投资中的股票收益预测模块。基于1997年1月至2018年10月A股市场的96项异象因子,本文采用预测组合算法、Lasso回归、岭回归、弹性网络回归、偏最小二乘回归、支持向量机、梯度提升树、极端梯度提升树、集成神经网络、深度前馈网络、循环时序网络和长短期记忆网络等12种机器学习算法,构建股票收益预测模型及投资组合。实证结果显示,机器学习算法能够有效地识别异象因子-超额收益间的复杂模式,其投资策略能够获得比传统线性算法和所有单因子更好的投资绩效,基于深度前馈网络预测的多空组合最高能够获得2.78%的月度收益。本文进一步检验了因子在预测模型中的重要性,发现交易摩擦类因子在A股市场具有较强的预测能力,深度前馈网络在筛选因子数据上的多空组合月度收益达到了3.41%。本文尝试将机器学习引入基本面量化投资领域,有助于促进人工智能、机器学习与经济学和管理学的交叉融合研究,为推进国家人工智能战略的有效实施提供参考。
关键字:基本面量化投资; 市场异象因子; 机器学习; 深度学习
中图分类号:F832
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
基于Python的机器学习驱动的基本面量化投资研究项目源码+数据集(高分项目).zip该项目是个人毕设项目源码,评审分达到97分,都经过严格调试,确保可以运行!放心下载使用。该项目资源主要针对计算机相关专业的学生或从业者下载使用,也可作为期末课程设计、课程大作业、毕业设计等。 基于Python的机器学习驱动的基本面量化投资研究项目源码+数据集(高分项目).zip该项目是个人毕设项目源码,评审分达到97分,都经过严格调试,确保可以运行!放心下载使用。该项目资源主要针对计算机相关专业的学生或从业者下载使用,也可作为期末课程设计、课程大作业、毕业设计等。 基于Python的机器学习驱动的基本面量化投资研究项目源码+数据集(高分项目).zip该项目是个人毕设项目源码,评审分达到97分,都经过严格调试,确保可以运行!放心下载使用。该项目资源主要针对计算机相关专业的学生或从业者下载使用,也可作为期末课程设计、课程大作业、毕业设计等。 基于Python的机器学习驱动的基本面量化投资研究项目源码+数据集(高分项目).zip该项目是个人毕设项目源码,评审分达到97分,都经过严格调试,确保可以运行!放心下
资源推荐
资源详情
资源评论
收起资源包目录
基于Python的机器学习驱动的基本面量化投资研究项目源码+数据集(高分项目).zip (183个子文件)
76RDsale.csv 9.06MB
69ROA.csv 8.61MB
68ROE.csv 8.48MB
17LM.csv 8.2MB
17LM.csv 8.2MB
75rd_mve.csv 8.08MB
65NOA.csv 7.4MB
94tang.csv 6.44MB
94tang.csv 6.44MB
70CT.csv 6.19MB
41SG.csv 6.11MB
48abacc.csv 6MB
72cashpr.csv 5.9MB
02size_ia.csv 5.84MB
47ACC.csv 5.76MB
25momchg.csv 5.66MB
71PA.csv 5.65MB
22mom12.csv 5.64MB
77operprof.csv 5.63MB
29BM_ia.csv 5.63MB
23mom6.csv 5.61MB
82roic.csv 5.58MB
74RD.csv 5.57MB
87CFdebt.csv 5.57MB
87CFdebt.csv 5.57MB
21pricedelay.csv 5.55MB
27lagretn.csv 5.52MB
27lagretn.csv 5.52MB
86QR.csv 5.51MB
85CR.csv 5.51MB
79ATO.csv 5.51MB
88salecash.csv 5.48MB
62pchsale_pchxsga.csv 5.47MB
63realestate.csv 5.47MB
73cash.csv 5.46MB
93salerec.csv 5.45MB
51cinvest.csv 5.45MB
54egr.csv 5.45MB
54egr.csv 5.45MB
83rusp.csv 5.45MB
58grithnoa.csv 5.45MB
32EP.csv 5.45MB
89saleinv.csv 5.43MB
60pchsale_pchinvt.csv 5.43MB
12turnsd.csv 5.43MB
12turnsd.csv 5.43MB
14stdvold.csv 5.42MB
14stdvold.csv 5.42MB
34CFP_ia.csv 5.41MB
50ACCP.csv 5.4MB
28BM.csv 5.4MB
31LEV.csv 5.39MB
30AM.csv 5.39MB
61pchsale_pchrect.csv 5.39MB
37SP.csv 5.39MB
07retvol.csv 5.39MB
07retvol.csv 5.39MB
42PMG.csv 5.39MB
33CFP.csv 5.38MB
78pchgm_pchsale.csv 5.36MB
49stdacc.csv 5.35MB
46TAXchg.csv 5.35MB
91QRG.csv 5.34MB
90CRG.csv 5.34MB
16illq.csv 5.32MB
16illq.csv 5.32MB
35OCFP.csv 5.31MB
24mom_36.csv 5.31MB
39LG.csv 5.31MB
26imom.csv 5.29MB
38AG.csv 5.28MB
45SGINVG.csv 5.28MB
40BVEG.csv 5.27MB
43INVG.csv 5.22MB
92pchsaleinv.csv 5.21MB
44INVchg.csv 5.21MB
64sgr.csv 5.19MB
08idskewness.csv 5.18MB
10coskewness.csv 5.06MB
53pchdepr.csv 5.04MB
52depr.csv 5.04MB
20aeavol.csv 5.02MB
20aeavol.csv 5.02MB
09skewness.csv 5MB
09skewness.csv 5MB
11turn.csv 4.89MB
13vold.csv 4.88MB
13vold.csv 4.88MB
59invest.csv 4.86MB
05betad.csv 4.86MB
04betasq.csv 4.86MB
06idvol.csv 4.86MB
06idvol.csv 4.86MB
03beta.csv 4.86MB
57pchcapx_ia.csv 4.85MB
56grCAPX.csv 4.83MB
01size.csv 4.68MB
15retmax.csv 4.1MB
15retmax.csv 4.1MB
18sharechg.csv 4MB
共 183 条
- 1
- 2
资源评论
- qq_391765102024-05-30GZU勿重
猰貐的新时代
- 粉丝: 1w+
- 资源: 2571
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 微信自动抢红包APP.zip毕业设计参考学习资料
- 为 Wireshark 能使用纯真网络 IP 数据库(QQwry)而提供的格式转换工具.zip
- 音频格式转换工具.zip学习资料程序资源
- 自用固件,合并openwrt和immortalwrt编译AX6(刷机有风险).zip
- 最新GeoLite2-City.mmdb,GeoLite2-Country.mmdb打包下载
- 基于BootStrap + Springboot + FISCO-BCOS的二手物品交易市场系统.zip
- 使用Java语言编写的九格拼游戏,找寻下曾经小时候的记忆.zip
- gakataka课堂管理系统
- 一个简单ssh(spring springMVC hibernate)游戏网站,在网上找的html模板,没有自己写UI,重点放在java后端上.zip
- 一个采用MVC架构设计、Java实现的泡泡堂游戏.zip
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功