量化研究每周精选-20180104

量化研究每周精选
标签: #<Tag:0x00007fcf71fd5c58>

(iQuant) #1

导语:本周精选5篇机器学习相关文章,第一篇为使用GBDT机器学习方法预测高送转股票组合报告,第二、三篇为长江证券将机器学习方法在金融领域应用的实例研究报告,最后一篇选取现在炙手可热的比特币话题并用机器学习方法预测其价格。BigQuant 拥有海量的数据和主流开源AI框架,赋能每一位爱好机器学习/深度学习和量化交易的人。

$$目录$$

  1. 《2017年报高送转股票预测组合——基于GBDT 机器学习预测方法》
  2. 《机器学习实战系列之一——TS-Boost 因子选股框架初探》
  3. 《机器学习白皮书系列之一:监督学习的方法介绍及金融领域应用实例》
  4. 《股票市场情绪可预测!》
  5. 《通过tensorflow和keras预测比特币价格》

  • 《2017年报高送转股票预测组合——基于GBDT 机器学习预测方法》

    原文:【链接】

    关键词:机器学习、高送转股票、GBDT

    “高送转”行为通常会被认为公司向市场传递了未来业绩将保持高增长的积极信号,为了进一步寻求高送转股票,本文结合了机器学习方法,根据历史高送转股票规律训练预测模型,对当前所有个股进行筛选。根据高送转股票常表现一些特征选取相应的指标,对当前所有个股的预期送转数进行GBDT 预测,并结合关键指标阈值筛选的方法,得到高送转预测组合。测试结果显示,符合标准筛选的股票共128只,其中高送转概率较高的有53只,我们将其作为精选组合。具体精选组合股票和GBDT模型可进一步通过原文查看。

  • 《机器学习实战系列之一——TS-Boost 因子选股框架初探》

    原文:【链接】

    关键词:机器学习、TS-Boost、因子选股

    对于金融数据来说,“样本非同分布”以及“数据信噪比低”是机器学习选股的两个痛点。本文引入TS-Boost因子选股框架,TS-Boost 算法最大的特点在于引入“时间流和截面模型”的概念,解决“样本非同分布”的问题,同时,在目标函数的设计中,引入“排序学习”的概念来解决“数据信噪比低”的问题。实践证明,TS-Boost 模型在超额收益,信息比率以及最大回撤上均显著优于传统的线性回归模型,同时,TS-Boost 模型可以更好地捕获因子间的非线性关系,获取更大的收益。

  • 《机器学习白皮书系列之一:监督学习的方法介绍及金融领域应用实例》

    原文:【链接】

    关键词:监督学习、机器学习

    机器学习包含许多方法,但目前大部分机器学习模型并未广泛的应用在投研领域,本报告主要介绍在投研领域具有应用潜力的机器学习方法之一——监督学习法。报告结合一些实例分别介绍了监督学习模型中惩罚回归、非参数回归模型以及分类模型,它们分别可用于处理输入变量中存在大量线性相关关系及非线性关系,以及不需要得到具体的值,和得到目前的状态类型或者相对强弱位置这几种情形。本文作者告诉我们,不同模型主要应用情景不同,具体可以参考本文中给出的不同模型的实例做进一参考学习。

  • 《股票市场情绪可预测!》

    原文:《Sentiment Predictability for Stocks》

    关键词:情绪预测、深度学习、股票预测

    本文中,作者采用各种文本情感分析工具(如情绪分析和事件提取)以及预测模型(如LSTM和特定卷积体系结构)来呈现其股票市场预测实验和调查结果。本文表示,理论上在有效市场的假设下,一个投资者是不能通过新信息进行交易而从中获益或超越市场,但作者认为,通过使用深度学习,时间数据和新闻文章的组合,是可以超越市场的。本文着重于使用各种时间序列和NLP技术来提取有关个别股票收盘价高于或低于其开盘价的信息,利用了股票价格数据和财经新闻数据的时间性质。在第二部分,文章探索当前最先进的股票移动分类和深度学习在金融预测问题中的使用,并表示证券市场情绪分析的最新进展集中在对整个指数的预测上。第三部分概述了单个股票预测的问题以及解决这些问题的潜在解决方案。

  • 《通过tensorflow和keras预测比特币价格》

    原文:《Predicting Cryptocurrency Price With Tensorflow and Keras》

    关键词:深度学习、加密货币、比特币

    加密货币,特别是比特币,近来一直是社交媒体和搜索引擎的热门话题之一。如果采取一些智能化的研发策略,它们的高波动性意味着存在巨大潜在的高利润。似乎世界上每个人都突然开始谈论加密货币。不幸的是,由于缺乏指标,与传统金融工具相比,加密货币相对来说难以预测。本文将展示说明如何通过深度学习预测这些加密货币的价格,并以比特币作为案例,以便深入了解比特币的未来趋势。


量化研究每周精选》每周一期,为大家提精选研报、前沿研究、热门文章等优质内容。
查看所有 量化研究每周精选。欢迎投稿 (i@bigquant.com)。


(dbchong2016) #4

非常谢谢~