文献

J-GLOBAL ID：202102269316577459   整理番号：21A0905270

サポートベクトルマシンとeXtreme勾配ブースティング法に基づく株選択戦略【JST・京大機械翻訳】

Stock Selection Strategy Based on Support Vector Machine and eXtreme Gradient Boosting Methods

著者 (1件)： Liu Haoyue (Shanghai University, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： ICBDR 2020  ページ： 36-39  発行年： 2020年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 定量的投資は,近年,人工知能の進捗において新しい傾向が現れた。人工知能アルゴリズムは,ストック選択に広く使用されている。本論文では,2008年から2017年までの開放価格と閉鎖価格を含む中国のストックデータをサンプルとして選択した。ストック選択と戦略の問題を分類問題として考慮した。投資戦略を,サポートベクトルマシン(SVM)とeXtreme勾配ブースティング(XGBoost)アルゴリズムに基づいて確立した。さらに,この戦略をバックテストし,一連の評価基準によって分析した。最後に,これら2つのモデルのリターン結果は,ベンチマークHS300インデックス収率より遥かに高いことが分かった。XGBに基づくストック選択戦略は,17.2%の年間化リターン,0.40Max Drawダウン,0.67情報比,および0.57Sharp比であった。それは,XGBoostに基づく戦略性能がSVMより優れていることを意味した。本研究の方法は,アメリカの株式市場のような他の株式市場にも適用でき,株式投資をガイドする。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  投資 ,  株式市場 ,  人工知能 ,  株式投資 ,  在庫量 ,  評価基準 ,  ベンチマーク ,  *サポートベクトルマシン
準シソーラス用語： *ブースティング ,  投資戦略 , 【Automatic Indexing@JST】

著者キーワード (4件)： 定量的投資 ,  ストック予測 ,  サポートベクトルマシン ,  eXtreme勾配ブースティング

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： サポートベクトルマシン ,  勾配ブースティング ,  株 ,  選択戦略