基于集成学习的高送转股票研究
2017-03-31王凯龙卫江
时代金融 2016年36期
王凯+龙卫江



【摘要】高送转预案公告发布前,高送转股票具有显著的累计正收益,因此预测高送转股票对于投资具有重要意义。高送转股票的预测是分类预测问题,本文利用上市公司三季度财报数据,采用3种集成学习算法:由K-近邻算法、决策树以及加lasso惩罚项的逻辑斯蒂回归算法构建预测模型——“组合”模型,经典的集成学习算法——AdaBoost算法以及随机森林算法进行建模。本文采用准确率以及G-mean作为模型评价标准,结果显示:“组合”模型的准确率最高,随机森林和“组合”模型的G-mean表现相当,均优于adaboost算法。由于每年高送转股票所占比例小于50%,数据可以看成是非平衡数据,为了改善“组合”模型较差的召回率,本文采用K-Means聚类的欠抽样方法,将此方法用在“组合”模型上,效果显著。最后分别对上面三种模型预测的股票构建投资组合,并以HS300指数做基准。结果显示:“组合”模型预测得到的高送转股票组合表现优于另外两种集成学习模型。
【关键词】高送转 集成学习 非平衡数据 投资组合
一、引言
所谓“高送转股票”是指上市公司大比例送红股或大比例以资本公积金转增股票,市场送转股比例超过0.5的股票为“高送转股票”。虽然上市公司送股、转增股票及不影响其当期现金流,也不影响其未来现金流,从而这种分红并不影响公司价值,但高送转事件向市场传递了公司发展良好、行业发展前景乐观的信息,这导致不少投资者盲目的投资具有高送转概念的股票。据文……
登录APP查看全文
