典型文献
人工智能与中国股票市场——基于机器学习预测的投资组合量化研究
文献摘要：
人工智能在21世纪以来发展迅速,它与各个领域的结合发展促进了各个领域的飞快发展.本文重点研究人工智能在中国金融市场的量化应用,通过引入20个涵盖了价值、技术、动量、情绪反转等指标和8个机器学习算法对沪深两市股票收益率进行预测.从各个指标对模型的贡献程度来看,本文发现动量、反转和技术指标对股票未来收益率的影响程度最高.随后,本文按照这些股票的预测收益率进行排序并形成了交易策略.通过比较各个模型的结果发现预测收益率形成的交易策略在中国市场能获得显著的超额收益,且深度神经网络的预测效果最佳,正则化的线性机器学习模型次之.通过机器学习深度挖掘各个因子指标对中国股市的影响,为政策的制定者提供一定的借鉴意义,同时也能更好地理解中国市场交易中的非理性因素.
文献关键词：
机器学习;资产定价;股票收益;市场异象;预测;交易策略
中图分类号：
作者姓名：
方毅;陈煜之;卫剑
作者机构：
吉林大学商学与管理学院,长春 130000;吉林大学数量经济研究中心,长春 130000;贵州财经大学,贵阳 550000
文献出处：
引用格式：
[1]方毅;陈煜之;卫剑-.人工智能与中国股票市场——基于机器学习预测的投资组合量化研究)[J].工业技术经济,2022(08):83-91
A类：
B类：
中国股票市场,基于机器学习,机器学习预测,投资组合,量化研究,结合发展,飞快,中国金融市场,机器学习算法,股票收益率,贡献程度,文发,技术指标,未来收益,交易策略,中国市场,超额收益,深度神经网络,正则化,机器学习模型,学习深度,深度挖掘,中国股市,制定者,市场交易,非理性因素,资产定价,市场异象
AB值：
0.394492
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
