论文部分内容阅读
将股票收益预测结果与投资组合优化模型相结合,可以给投资者带来更稳定且高额的回报.近年来,机器学习和深度学习模型在时间序列预测中取得了很大的成功.基于随机森林(RF)、支持向量回归(SVR)和长短期记忆网络(LSTM)3种模型提出了一种混合预测方法以使产生的预测误差最小.进而基于预测误差,构建一个风险指标对传统的均值-方差(MV)模型进行改进,提出一种新的投资组合模型.实验数据采用上证100中20支成分股2006-2020年的15年的日数据.最后,通过比较各个策略的累计收益、年化收益、夏普比率等指标证明了论文所提出投资组合选择模型的优越性.