朱星星

關(guān)鍵詞：股價漲跌;機器學(xué)習(xí);實證研究;XGBoost

一、文獻綜述

與傳統(tǒng)時間序列模型相比，機器學(xué)習(xí)模型對數(shù)據(jù)沒有嚴格的假設(shè)條件，受到研究者的喜愛。王燕基于參數(shù)尋優(yōu)后的XGBoost模型對中國平安等股票收盤價的短期預(yù)測在多個評價指標上較SVM模型和GBDT模型有更好的效果。王禹利用boosting級聯(lián)多棵決策樹算法預(yù)測儀器儀表領(lǐng)域的股票漲跌走勢，結(jié)合股票的行情指標和技術(shù)指標，預(yù)測結(jié)果對比單一決策樹的預(yù)測準確率有明顯的提升。王亞紅利用隨機森林算法基于12個財務(wù)指標對隨機選取的股票價格預(yù)測的準確率超過70%。何錚認為任何單一因素都難以完全解釋股票價格水平和波動，通過結(jié)合基本面因素和技術(shù)面因素作為輸入特征構(gòu)建股價模型，可以獲得較好的預(yù)測能力。

二、模型分析

（一）數(shù)據(jù)處理和指標選擇

量化投資特征選取一般分成基本面指標和技術(shù)指標兩大類?；久嬷笜酥饕捎蜃?、成長因子、流動性因子、估值因子和品質(zhì)因子等組成。盈利因子技術(shù)指標主要有趨勢因子、均線因子和交易因子。通過查閱相關(guān)文獻最終在基本面指標和技術(shù)指標兩大類指標中選取了12個基本面指標、25個技術(shù)指標。部分指標如表1所示。

將去除缺失值后的股票數(shù)據(jù)的所有特征進行標準化處理，以消除不同量綱帶來的影響。

（二）模型理論概述

本文是對股票價格漲跌標簽進行預(yù)測，所以選擇監(jiān)督學(xué)習(xí)里面的二分類學(xué)習(xí)算法。接下來對邏輯回歸、決策樹和XGBoost算法模型設(shè)置為二分類有關(guān)的內(nèi)容。

1.機器學(xué)習(xí)算法理論

（1）邏輯回歸。邏輯回歸是一種主要用于分類的統(tǒng)計分析方法。通過引入sigmoid函數(shù)得到邏輯回歸表達式：

將上式對數(shù)變換后，通過極大似然估計得到其損失函數(shù)：

（2）決策樹。決策樹通常只有一個根節(jié)點，是所有訓(xùn)練數(shù)據(jù)集合。測試實例中的某一屬性，依據(jù)不同的測試結(jié)果進

（3）XGBoost。XGBoost是一種基于樹模型的Boosting集成算法。其特點是逐一構(gòu)建弱評估器，經(jīng)過多次迭代逐漸累積多個弱評估器。XGBoost的目標函數(shù)構(gòu)成如下所示：

2.模型評價標準

模型的評價標準是檢驗?zāi)Ｐ陀行缘闹匾笜?。混淆矩陣如?所示：

準確率指所有的預(yù)測正確（包括正例負例）的所占比重。精準度指所有被預(yù)測為正例中實際為正例的概率。召回率指實際為正例且被預(yù)測為正例的概率。

（三）模型的預(yù)測與評價

實驗一：使用個股2015年1月5日至2019年6月28日作為訓(xùn)練期，2019年7月1日至2019年12月10日為測試期。將未來第15天的收盤價減去當(dāng)天的收盤價，若大于0，標簽記為1;若小于0，標簽記為0。A組以12個財務(wù)指標和25個技術(shù)指標作為輸入特征，以股票收盤價的漲跌作為預(yù)測對象分別建立邏輯回歸、決策樹和XGBoost模型。以準確率、精準度和召回率作為模型的評價指標。為了形成對比，B組除了將輸入特征改為25個純技術(shù)指標，其他與A組類似。評價指標結(jié)果如表3所示。

實驗二：c組以12個財務(wù)指標和25個技術(shù)指標作為輸入特征，分別對另外四只A股收盤價的漲跌作為預(yù)測對象建立模型。D組除了將輸入特征改為25個純技術(shù)指標，其他與c組類似。評價指標結(jié)果如表4所示：

（四）模型結(jié)果分析

實驗一中除邏輯回歸模型以外，A組中決策樹和XGBoost模型分別比B組中對應(yīng)的模型的準確率降低了近3%。B組決策樹模型的精準度比A組降低了近4%。A組中XGBoost模型召回率比B組提高了26%，通過分析實驗一的結(jié)果說明了加入財務(wù)指標后模型的優(yōu)良性。

為了驗證輸入特征以財務(wù)指標和技術(shù)指標相結(jié)合的有效性設(shè)計實驗二，對比實驗二中的c組和D組結(jié)果，四只股票的各個預(yù)測模型在D組中的準確率較c組都有一定的降低，除了股票1在決策樹模型上有不明顯的提高，但在邏輯回歸和XGBoost模型上預(yù)測的準確率分別降低了約30%和20%。其他三只股票，在模型上的預(yù)測準確率均出現(xiàn)一定程度降低。進一步說明加入財務(wù)指標后的股票預(yù)測模型的有效性。

三、結(jié)論與建議

本文結(jié)合財務(wù)指標和技術(shù)指標，對股票價格漲跌建立一種短中期預(yù)測模型。從以上實驗得出：第一，以財務(wù)指標和技術(shù)指標作為輸入特征，模型的預(yù)測準確率均超過50%，體現(xiàn)了模型的可靠性和股票市場的可預(yù)測性;第二，剔除財務(wù)指標的模型的預(yù)測精度會發(fā)生明顯的降低，進一步驗證同時選取兩類指標作為模型輸入特征的有效性，為廣大投資愛好者提高更有價值的參考。