论文《基于遗传算法的多因子策略选股系统设计及实现》

摘要：随着计算机技术和金融工程理论的发展,量化投资模式日益受到投资界重视和认同。多因子投资策略是理论成熟,经过多年投资实务检验的成熟量化投资策略。但在实际投资中,大部分多因子投资策略是通过手工与配合计算机实现选股,其中或多或少夹杂了主观思想影响因素。同时随着多因子选股策略使用的次数与人数越来越多,策略的钝化也越来越严重。在实盘投资中,投资策略可能随时面临失效,但投资行为却不能随时暂停。基金经理常常苦恼于多因子策略失效却无法快速改进或寻找策略替代品。能否将多因子选股策略完全实现全量化,自动化与程序化,从而减少人为干扰因素呢?同时能否设计出一款根据使用者要求,自动生成最新多因子策略的选股系统,从而解决策略失效问题呢?本文通过引入遗传算法进行多因子策略生成,同时通过K-means算法将多因子选股策略流程完全实现全自动化,实现一套多因子策略自动生成系统。金融投资最大的特点就是具备非超强的及时性需求市场是一个非常复杂的信息环境,具有各式各样的噪音与有效信息。金融投资需要在大量信息中甄别出有效信息,并进行投资,所以如何利用计算机替代人力进行模型优化成为金融量化投资中非常重要问题。为了解决在信息量越来越庞大的股票市场进行及时的策略优化,本论文通过将计算机技术与投资策略结合,引入自动优化算法,设计了以投资指标夏普比为目标函数的遗传算法多因子权重自动优化选股系统。通过对比传统工作流程,以训练集与测试集数据进行系统验证。同时为了克服遗传算法给系统带来的缺点,加入K-means聚类方法,在因子分类过程中实现更为科学合理的分类。通过讨论K-means算法的设置,实例验证加入K-means算法的系统能进一步提高系统的稳健性与可行性。最后以MySql为基础数据库,通过TSL平台结合MATLAB与R与进行系统构建,实现全自动化的多因子选股系统,并且相比传统多因子选股系统,具备自动优化能力,能够按需生成多个满足需求的多因子选股策略。想要下载论文的读者朋友，请先付费获得积分。