(本科）第四章 智能选股投资决策.pptx

《(本科）第四章 智能选股投资决策.pptx》由会员分享，可在线阅读，更多相关《(本科）第四章 智能选股投资决策.pptx（36页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、课程主讲人：第四章 智能选股投资决策第四章第四章 智能选股投资决策智能选股投资决策本章内容本章内容第一节 股票投资策略概述第二节 智能选股模型指标体系的构建第三节 智能选股算法介绍第四节 基于Scikit-learn的智能选股实证分析本章学习目标本章学习目标1. 了解价值型投资策略、成长型投资策略和价值成长投资策了解价值型投资策略、成长型投资策略和价值成长投资策略的定义和内涵；略的定义和内涵；2. 了解智能选股模型指标体系的构建过程；了解智能选股模型指标体系的构建过程；3. 了解决策树、随机森林、主成分分析等算法的应用场景；了解决策树、随机森林、主成分分析等算法的应用场景； 4. 掌握使用掌握

2、使用Python进行数据预处理的主要过程和函数；进行数据预处理的主要过程和函数；5. 掌握使用随机森林算法进行模型的训练和预测；掌握使用随机森林算法进行模型的训练和预测；6. 掌握使用主成分分析法进行变量的降维过程。掌握使用主成分分析法进行变量的降维过程。第一节第一节 股票投资策略概述股票投资策略概述一、一、价值型投资策略价值型投资策略（一）价值型投资策略概述（一）价值型投资策略概述价值型投资策略倡导一种理性的投资思路和选股标准价值投资，其思想是通过对股票基本面的分析，寻找具有更好价值因子的公司，且交易价格低于内在价值的公司，以期获得超过市场平均收益额。代表理论：代表理论：格雷厄姆（Benja

3、min Graham）价值投资理论核心过程：核心过程：先评估某一股票的内在价值，并将其与股票当前交易价格相比较。如果股票当前交易价格低于股票内在价值，并能获得足够的安全边际，就买入该证券，进而投资获利。第一节第一节 股票投资策略概述股票投资策略概述一、一、价值型投资策略价值型投资策略（二）传统价值投资的理论缺陷（二）传统价值投资的理论缺陷1. 传统价值投资理论过于强调股票的内在价值，而忽视股票的成长性，这会在投资中错过投资机会2. 传统价值投资理论主张集中投资，反对分散投资，提升了投资者的投资风险3. 传统价值投资理论的投资决策可操作性较差4. 传统价值投资理论在中国股票市场的适用性存在一定的

4、问题第一节第一节 股票投资策略概述股票投资策略概述二、成长型投资策略二、成长型投资策略策略倾向投资于销售收入与盈余率等成长因子高于市场平均水平、处于快速发展阶段的上市公司股票，通过其高速成长带来未来股价上涨而从中获利。代表理论代表理论：欧文费雪(Irving Fisher)的资本价值理论。核心过程：核心过程：成长型投资者关注于市盈率的分母部分，也就是每股收益及与其相关的经济因素。成长型投资者关注公司当前和未来的经营和利润增长前景，尤其偏好各种看起来很美的概念和故事，但并不过多在意当前的估值水平。这一点正好和价值型投资策略相反。第一节第一节 股票投资策略概述股票投资策略概述三、价值成长投资策略三

5、、价值成长投资策略主要考察上市公司的两个重要的指标一是市净率，二是资产收益率。核心理论：核心理论：沃伦巴菲特(Warren Buffett)将格雷厄姆（Benjamin Graham）和费雪(Irying Fisher)的价值投资理论彻底融合核心过程：核心过程：首先选出一个基本面较好的低市净率的股票组合，这是衡量上市公司内在价值的价值型思想。在此基础上，考察上市公司的净资产收益率，通过低市净率和高净资产收益率的结合，最终构建GARP组合。GARP策略可以兼顾到两个方面获得比较稳定的预期收益。第二节第二节 智能选股模型指标体系的构建智能选股模型指标体系的构建一、影响因子构建一、影响因子构建 第二

6、节第二节 智能选股模型指标体系的构建智能选股模型指标体系的构建将该行业全体股票的加权平均，计算行业前12个月的月平均涨跌幅，公式如下：第二节第二节 智能选股模型指标体系的构建智能选股模型指标体系的构建第三节第三节 智能选股算法介绍智能选股算法介绍一、随机森林的基分类器一、随机森林的基分类器决策树决策树决策树可视为一个树状模型，树中包括三种节点：根节点、中间节点、叶子节点。决策树的生成采用自顶向下的递归方式，在决策树的中间结点进行属性值的比较并根据不同的属性值判断从该结点向下的分支。 决策树分类存在的问题：（1）分类规则复杂（2）容易收敛到非全局的局部最优解（3）过度拟合第三节第三节 智能选股算

7、法介绍智能选股算法介绍第三节第三节 智能选股算法介绍智能选股算法介绍二、随机森林的构建过程二、随机森林的构建过程（二）构建每棵决策树1.节点分裂节点分裂是算法的核心步骤，通过节点分裂才能产生一棵完整的决策树。每棵树的分支的生成，都是按照某种分裂规则选择属性，这些规则主要包括信息增益最大、信息增益率最大和Gini系数最小等原则，不同的规则对应不同的分裂算法。第三节第三节 智能选股算法介绍智能选股算法介绍第三节第三节 智能选股算法介绍智能选股算法介绍二、随机森林的构建过程二、随机森林的构建过程（三）森林的形成及算法的执行第三节第三节 智能选股算法介绍智能选股算法介绍二、随机森林的构建过程二、随机森

8、林的构建过程（四）Python中随机森林函数说明1.RandomForestClassifier函数说明第三节第三节 智能选股算法介绍智能选股算法介绍二、随机森林的构建过程二、随机森林的构建过程2.RandomForestClassifier2.RandomForestClassifier函数的参数说明函数的参数说明类别类别参数参数说明说明Bagging框架n_estimatorsBootstrap是否放回抽样oob_score决定是否使用袋外样本控制决策树的10个参数Criterion（函数）max_featuresmax_depth每棵子树的最大深度min_samples_split分割内

9、部节点所需要的最小样本数量min_samples_leaf决策树中叶子节点上的最小样本数量min_weight_fraction_leaf叶子节点所有样本权重和的最小值max_leaf_nodes决定最大叶子节点数min_impurity_split树早期生长的阈值，划分最小不纯度class_weight决定类别权重的字典输出顺序min_impurity_decrease决定节点分裂的阀值控制执行过程的4个参数n_jobsrandom_state随机数生成器使用的种子随机数生成器使用的种子verbose控制决策树建立过程的度warm_start设置模型训练是否从头开始第三节第三节 智能选股算法

10、介绍智能选股算法介绍三、主成分分析三、主成分分析（一）主成分分析的基本思想（一）主成分分析的基本思想在进行定量分析的过程中，希望涉及的变量较少，而得到的信息量较多,主成分分析是解决这类问题的理想工具。（二）主成分分析法的基本原理（二）主成分分析法的基本原理主成分分析法是一种降维的统计方法，它借助于一个正交变换，将其分量相关的原随机向量转化成其分量不相关的新随机向量，使之指向样本点散布最开的个正交方向。第三节第三节 智能选股算法介绍智能选股算法介绍三、主成分分析三、主成分分析（三）主成分分析的主要作用（三）主成分分析的主要作用（1）主成分分析能降低所研究的数据空间的维数。（2）有时可通过因子负荷

11、的结论，弄清变量间的某些关系。（3）多维数据的一种图形表示方法。（4）由主成分分析法构造回归模型。（5）用主成分分析筛选回归变量。第三节第三节 智能选股算法介绍智能选股算法介绍三、主成分分析三、主成分分析（四）主成分分析法的优缺点（四）主成分分析法的优缺点1.1.主成分分析法的优点主成分分析法的优点（1）可消除评估指标之间的相关影响。（2）可减少指标选择的工作量，在指标选择上相对容易些（3）主成分分析中各主成分是按方差大小依次排列顺序的，在分析问题时，可以舍弃一部分主成分，只取前面方差较大的几个主成分来代表原变量，从而减少了计算工作量。第三节第三节 智能选股算法介绍智能选股算法介绍三、主成分分

12、析三、主成分分析（四）主成分分析法的优缺点（四）主成分分析法的优缺点2 2. .主成分分析法的缺点主成分分析法的缺点（1）在主成分分析中，首先应保证所提取的前几个主成分的累计贡献率达到一个较高的水平，其次对这些被提取的主成分必须都能够给出符合实际背景和意义的解释。（2）主成分的解释其含义一般带有模糊性，不像原始变量的含义那么清楚、确切。（3）当主成分的因子负荷的符号有正有负时，综合评价函数意义就不明确。Scikit-learnScikit-learn是基于是基于PythonPython语言的机器学习工具，建立在语言的机器学习工具，建立在NumPyNumPy，SciPySciPy和和matplo

13、tlibmatplotlib基础上，是一个简单高效的数据挖掘基础上，是一个简单高效的数据挖掘和数据分析工具，可以实现分类，回归，聚类，数据降维，模型和数据分析工具，可以实现分类，回归，聚类，数据降维，模型选择和数据预处理等。选择和数据预处理等。 第四节第四节 基于基于Scikit-learnScikit-learn的智能选股实证分析的智能选股实证分析一、数据预处理一、数据预处理（一）（一）EDAEDA数据探索性分析数据探索性分析 1.1.导入数据导入数据2.2.查看数据的类型查看数据的类型使用display(df.info()命令，查看数据的类型，用于了解每一列中的数据类型和数据量。第四节第四

14、节 基于基于Scikit-learnScikit-learn的智能选股实证分析的智能选股实证分析一、数据预处理一、数据预处理3.3.缺失值查看缺失值查看使用display(df.isna().sum()命令，查看数据集中是否有 NaN 值。4.4.查看数据的统计信息查看数据的统计信息使用df.describe（）可以了解每列的最小值、最大值、均值、中位数、标准差和四分位数范围。第四节第四节 基于基于Scikit-learnScikit-learn的智能选股实证分析的智能选股实证分析一、数据预处理一、数据预处理（二）数据集拆分（二）数据集拆分使用Scikit-learn包中的train_test

15、_split函数进行数据的拆分，训练集占70%，测试集占30%。拆分后，训练集的样本容量为89,测试集的样本容量为39，共计128。代码如下：第四节第四节 基于基于Scikit-learnScikit-learn的智能选股实证分析的智能选股实证分析一、数据预处理一、数据预处理（三）数据标准化（三）数据标准化1.1.数据标准化的方法数据标准化的方法数据标准化的方法有很多种，常用的有“Min-max标准化”“Z-score标准化”和“Decimal scaling小数定标标准化”等。经过上述标准化处理，原始数据均转换为无量纲化指标测评值，即各指标值都处于同一个数量级别上，可以进行综合测评分析。第四

16、节第四节 基于基于Scikit-learnScikit-learn的智能选股实证分析的智能选股实证分析一、数据预处理一、数据预处理（三）数据标准化（三）数据标准化2.2.数据标准化处理的过程数据标准化处理的过程第四节第四节 基于基于Scikit-learnScikit-learn的智能选股实证分析的智能选股实证分析二、使用随机森林算法进行训练和预测二、使用随机森林算法进行训练和预测（一）使用训练集数据进行模型的训练（一）使用训练集数据进行模型的训练使用的随机森林算法对应的函数为RandomForestClassifier显示结果为1.0，也就是训练的模型在训练集上的预测效果为100%的正确。第

17、四节第四节 基于基于Scikit-learnScikit-learn的智能选股实证分析的智能选股实证分析二、使用随机森林算法进行训练和预测二、使用随机森林算法进行训练和预测（二）使用测试集数据对模型进行评估（二）使用测试集数据对模型进行评估1.1.评估方法评估方法混淆矩阵真实值可以投资不可以投资预测值可以投资TPFP不可以投资FNTN第四节第四节 基于基于Scikit-learnScikit-learn的智能选股实证分析的智能选股实证分析二、使用随机森林算法进行训练和预测二、使用随机森林算法进行训练和预测（二）使用测试集数据对模型进行评估（二）使用测试集数据对模型进行评估2.2.运行情况分析运

18、行情况分析第四节第四节 基于基于Scikit-learnScikit-learn的智能选股实证分析的智能选股实证分析第四节第四节 基于基于Scikit-learnScikit-learn的智能选股实证分析的智能选股实证分析三、模型参数优化三、模型参数优化（一）对随机森林的超参数进行优化（一）对随机森林的超参数进行优化Scikit-learn可以使用相应的函数进行参数调优来调整的随机森林的参数，以获得更好的预测效果。常用的超参数优化方法有网格搜索GridSearchCV和随机搜索RandomizedSearchCV。RandomizedSearchCV函数的搜索策略如下：（a）对于搜索范围是分布

19、范围distribution的超参数，根据给定的distribution随机采样；（b）对于搜索范围是列表list的超参数，在给定的list中等概率采样；（c）对a、b两步中得到的n_iter组采样结果，进行遍历，如果给定的搜索范围均为list，则不放回抽样n_iter次。第四节第四节 基于基于Scikit-learnScikit-learn的智能选股实证分析的智能选股实证分析三、模型参数优化三、模型参数优化（二）使用主成分分析法进行降维（二）使用主成分分析法进行降维第四节第四节 基于基于Scikit-learnScikit-learn的智能选股实证分析的智能选股实证分析三、模型参数优化三、模

20、型参数优化根据上述优化的结果，我们对模型进行优化重新计算混淆矩阵和各个评价指标，对应的代码如下：第四节第四节 基于基于Scikit-learnScikit-learn的智能选股实证分析的智能选股实证分析（二）使用主成分分析法进行降维（二）使用主成分分析法进行降维可以使用PCA函数，进行降维，代码和运行效果如下：第四节第四节 基于基于Scikit-learnScikit-learn的智能选股实证分析的智能选股实证分析（二）使用主成分分析法进行降维（二）使用主成分分析法进行降维具体选择多少个，可以通过查看变量的累计方差比来观察PCA降维后的变量，对数据进行处理，将这些重新创建的“降维”数据集分配给X_train_scaled_pca和X_test_scaled_pca。对应的代码如下：