股市市场中,针对股市未来的走势进行预测是投资者关注的重点,这不仅有助于投资者分析市场环境,规避潜在风险,同时也有利于投资者在股市中优化投资策略,选择合适投资时机。对于我国A股市市场,最具有代表性的是常见的宽基指数,如HS300、中证500指数等。金融市场是一个复杂的系统,经济、政治、投资者情绪等众多因素关系复杂地影响着市场行情,所以金融市场的数据有如下特点,首先是低信噪比:金融市场的随机事件大,波动性强,导致数据有效性低;其次因子维度高:我们可以从市场的基本面、技术指标、投资者情绪等诸多方面进行分析。另外,由于我国股市成立时间较短,相关制度和数据不够完善,所以金融市场的数据也是小样本的时间序列数据。对于预测市场未来走势问题,其本质上是对股价的收益率进行归因分析。针对我国股市的数据特点,本文考虑采用神经网络与高斯过程相结合的方式,构建半参数化模型KISS-GP,针对A股市场的HS300指数进行走势预测。神经网络的特性是能拟合复杂的非线性关系,同时可用于对高维度的因子进行特征提取;而高斯过程的特点是对于小样本、低维度数据有良好的预测推断性质。所以,我们可以利用神经网络对因子进行特征提取后,将结果作为高斯过程的输入数据。同时,在因子池选择层面,本文从估值、投资者情绪、基本面三个角度进行因子筛选,并且结合专家经验生产净值中枢因子,综合考虑不同维度对股价的影响。在预测对象层面,本文首先基于HS300的净资产收益率,给出合理的中性估值,然后基于当前的业绩和总市值,测算出当前股价相对于业绩的贵贱程度,定义为透支久期。在预测窗口层面,本文尝试对未来1个月、1个季度、半年的数据进行预测建模。实践结果表明,当预测窗口为1个月、1季度和半年时,本文模型对HS300指数的预测效果显著,在符号胜率方面有较高准确率。当股市出现剧烈波动,具有潜在风险时,模型能基于输入因子变化,有效地预警未来一段时间窗口的暴跌行情,这对于深入理解输入因子与股市行情的关系,防范系统性金融风险具有参考价值。同时,本文基于股价收益率由估值收益率与业绩收益率组成的思想,构建HS300指数的择时策略,结果表明策略效果显著优于指数本身,这从侧面也证明了本文的预测模型能够帮助投资者降低投资风险,提高投资收益率。