基于非线性预测模型的行业轮动策略研究

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：相对于线性模型,非线性模型可以更好地处理变量间的非线性关系,得到更准确的预测结果.选择中信一级行业月度数据作为研究对象,采用基本面和技术面因子作为预测指标,利用分位数回归、广义可加模型以及随机森林三种非线性预测模型对我国股市行业收益率进行预测并构造投资组合.研究发现:相对于线性模型,非线性模型的预测准确度更高,随机森林模型的表现最优,构建的投资组合表现最好;对随机森林模型的改进研究发现,应尽可能往模型中增加更多的因子,而不必考虑变量间的共线性问题,但是加入的因子必须要包含有预测信息,如果加入因子携带的预测信息过少,很可能会拖累模型的表现.研究结论是对投资组合理论以及人工智能理论的有益补充,对于投资者的投资实践也具有一定的参考价值.

作者：

周亮

展开 >

作者单位：

湖南财政经济学院财政金融学院,湖南长沙 410205

关键词：

股票收益率分位数回归广义可加模型随机森林机器学习行业轮动

基金：

国家社会科学基金湖南省教育厅科研项目

项目编号：

20BJL06121B0839

出版年：

2024

吉林工商学院学报

吉林工商学院

吉林工商学院学报

CHSSCD

影响因子：0.332

ISSN：1674-3288

年,卷(期)：2024.40(3)

参考文献量11