抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】