XGBoost在量化选股中的应用研究

作者：

张毅   田浩

作者单位：

上海师范大学商学院    上海师范大学数理学院

本文新意：

通过对XGBoost算法等机器学习方法构建量化选股策略

摘要：

  上市公司的投资价值和整体经营状况在一定程度上可以通过分析其财务指标来综合反映,投资者可以利用这些数据的分析来择优选择上市公司标的并进行投资。本文通过对XGBoost算法与其他主流算法的对比分析,来研究上市公司投资价值与其财务指标间的内在联系,并采用机器学习方法,从这些数据中挖掘出有价值的信息,进而构建一种相对有效的量化选股策略,以便更好地做出股票的投资选择。文中还研究了引入模型融合,将量化选股模型进一步优化,提高了模型的准确率。

关键词：

XGBoost选股;量化投资;模型融合;沪深300;

项目资助：

引用文本：

张毅,田浩.XGBoost在量化选股中的应用研究[J].金融管理研究,2020(02):122-132.