【技术实现步骤摘要】
一种基于稀疏非负线性回归的金融多因子预测方法
本专利技术属于统计信号处理技术、机器学习以及金融领域，特别是涉及一种基于稀疏非负线性回归的金融多因子预测方法。
技术介绍
因子投资理论在当今的量化金融领域有重要的地位。一般来说，因子描述了一揽子股票所共同承担的某种(可以是未知的)系统性风险。相应的，因子收益率是这些股票的共性收益(即系统性风险溢价)。综合来看，可以将因子分为以下四个主要类别。首先是宏观经济因子，包括消费增长、通胀等。其次是基本面因子，包括估值、经营效率、盈利能力、财务风险等。再次是技术类因子，往往也称作量价类因子，主要围绕股票价格和交易量等相关数据，包括动量、反转、波动率等。最后是另类因子，比如文本情绪因子等。多因子模型认为资产价格取决于一系列因素。通过有效配置各个因子，投资者能够对冲投资风险，提升整体收益。经典的多因子模型，如FF3三因子模型、FF5五因子模型是人为设计的，能够考虑的因子数量少，因子之间的关系依据经验简单设计，模型受主观意识影响严重，无法全面深刻地利用所有数据，效率低下。当然，目前也有很...
【技术保护点】
1.一种基于稀疏非负线性回归的金融多因子预测方法，其特征在于，包括如下步骤：/n(1)确定预测股票池和训练股票池，并选取对股票未来收益率的预测可能有效的多种因子；/n(2)获取股票的历史交易数据以及因子计算所需的其他数据，计算各因子及股票未来收益率，并对其进行正相关处理和和归一化处理；/n(3)构建稀疏非负线性回归的金融多因子预测模型；/n(4)采用基于稀疏非负线性回归的金融多因子预测模型对股票进行评分，根据评分高低可以预测各股票未来收益率的相对大小。/n
【技术特征摘要】
1.一种基于稀疏非负线性回归的金融多因子预测方法，其特征在于，包括如下步骤：
(1)确定预测股票池和训练股票池，并选取对股票未来收益率的预测可能有效的多种因子；
(2)获取股票的历史交易数据以及因子计算所需的其他数据，计算各因子及股票未来收益率，并对其进行正相关处理和和归一化处理；
(3)构建稀疏非负线性回归的金融多因子预测模型；
(4)采用基于稀疏非负线性回归的金融多因子预测模型对股票进行评分，根据评分高低可以预测各股票未来收益率的相对大小。
2.根据权利要求1所述的一种基于稀疏非负线性回归的金融多因子预测方法，其特征在于，所述的步骤(1)中，预测股票池和训练股票池根据投资偏好确定，所述的训练股票池用于步骤(3)所述稀疏非负线性回归的金融多因子预测模型的训练，所述的预测股票池则对应步骤(4)所述股票未来收益率的预测范围；所述的训练股票池中的股票应该能够充分代表预测股票池内的所有股票，具有预测股票池的全部特征。
3.根据权利要求1所述的一种基于稀疏非负线性回归的金融多因子预测方法，其特征在于，所述的步骤(1)中，在进行因子的选取时，需要有相应的理论依据或有实证表明该因子对预测股价有一定作用，可以同时结合市场情况、股票池特点进行选取。
4.根据权利要求1所述的一种基于稀疏非负线性回归的金融多因子预测方法，其特征在于，所述步骤(2)中，所述的股票的历史交易数据以及因子计算所需的其他数据可通过各大财经网站或相应数据商提供的数据接口获得。
5.根据权利要求1所述的一种基于稀疏非负线性回归的金融多因子预测方法，其特征在于，所述步骤(2)中，各因子的计算依据对应因子的定义；股票未来收益率的计算方法如下：
其中，yo为某股票第o天的未来收益率，po和po+T分别是该股票在第o天和第o+T天的收盘价，T则是选股周期。
6.根据权利要求1所述的一种基于稀疏非负线性回归的金融多因子预测方法，其特征在于，所述步骤(2)中对各因子及股票未来收益率进行正相关处理和归一化处理的方法为：首先进行正相关处理，将与股票未来收益率成负相关的因子的数值进行映射操作，以确保股票未来收益率表现好的股票，其因子数值也相对更大；然后进行归一化处理，分别对每一个因子及股票未来收益率进行归一化处理，使各因子及股票未来收益率在股票池所有股票上的数值都在[0,1]的范围内。
7.根据权利要求1所述的一种基于稀疏非负线性回归的金融多因子预测方法，其特征在于，所述步骤(3)中，稀疏非负线性回归的金融多因子预测模型的构建方法如下：
(3.1)以线性回归模型为基础构建多因子与股票未来收益率的关系，线性回归模型的输入为n个因子的数值x，x＝[x1,x2,…,xn]T；输出为股票未来收益率的预测H(x)，H(x)＝α1x1+α2x2+…+αnxn+b＝αTx+β，其中，α＝[α1,α2,…,αn]T；参数α和β经训练确定，训练集为D＝{(x1,y1),(x2,y2),…(xd,yd)}，因子数值输入xs＝[xs1,xs2,…,x...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。